For the 1TB/cluster data set experi

For the 1TB/cluster data set experiments, Figure 5 shows that all
systems executed the task on twice as many nodes in nearly half the
amount of time, as one would expect since the total amount of data
was held constant across nodes for this experiment. Hadoop and
DBMS-X performs approximately the same, since Hadoop’s startup cost is amortized across the increased amount of data processing
for this experiment. However, the results clearly show that Vertica
outperforms both DBMS-X and Hadoop. We attribute this to Vertica’s aggressive use of data compression (see Section 5.1.3), which
becomes more effective as more data is stored per node.

ผลลัพธ์ (ไทย) 2:

สำหรับ 1TB / กลุ่มการทดลองชุดข้อมูลรูปที่ 5 แสดงให้เห็นว่าทุกระบบการดำเนินงานในครั้งที่สองเป็นจำนวนมากในต่อมน้ำเกือบครึ่งระยะเวลาที่เป็นหนึ่งคาดว่าจะได้ตั้งแต่จำนวนของข้อมูลที่จัดขึ้นทั่วโหนดคงที่สำหรับการทดลองนี้ Hadoop และDBMS-X ดำเนินการประมาณเดียวกันเนื่องจากค่าใช้จ่ายในการเริ่มต้นของ Hadoop ถูกตัดจ่ายในจำนวนที่เพิ่มขึ้นของการประมวลผลข้อมูลสำหรับการทดลองนี้ แต่ผลที่แสดงให้เห็นชัดเจนว่า Vertica มีประสิทธิภาพดีกว่าทั้ง DBMS-X และ Hadoop เราคุณลักษณะนี้เพื่อการใช้งานในเชิงรุกของ Vertica ของการบีบอัดข้อมูล (ดูหัวข้อ 5.1.3) ซึ่งจะกลายเป็นมีประสิทธิภาพมากขึ้นเป็นข้อมูลเพิ่มเติมจะถูกเก็บไว้ต่อโหนด

ผลลัพธ์ (ไทย) 3:

สำหรับลูกค้ากลุ่ม / กลุ่มชุดข้อมูล ( รูปที่ 5 แสดงให้เห็นว่าระบบงานที่ดำเนินการทั้งหมด
สองครั้งเป็นโหนดหลายในเกือบครึ่งหนึ่งของ
จํานวนเวลา เป็นหนึ่งจะคาดหวัง เนื่องจากปริมาณของข้อมูล
จัดขึ้นคงที่ผ่านโหนดสำหรับการทดลองนี้ dbms-x Hadoop และ
าประมาณเดียวกัน ตั้งแต่ Hadoop เป็นค่าใช้จ่ายเริ่มต้นคือของขวัญข้ามเพิ่มขึ้นของการประมวลผลข้อมูล
สำหรับการทดลองนี้ อย่างไรก็ตาม ผลการวิจัยแสดงให้เห็นชัดเจนที่ฐาน
โปรยและทั้ง dbms-x Hadoop . เราคุณลักษณะนี้ฐานเป็นก้าวร้าว ใช้บีบอัดข้อมูล ( ดูหมวด 5.1 ) ซึ่ง
กลายเป็นมีประสิทธิภาพมากขึ้นเป็นข้อมูลเพิ่มเติมที่ถูกเก็บไว้ต่อโหนด