As the data grows in the industry,

As the data grows in the industry, new techniques and
approaches need to be adopted. This paper focuses on the
unstructured aspects of data analytics and reviews as a case
study, some of the key projects in Apache Hadoop. This
paper also describes the fundamentals of relational database
management systems (RDBMS) and their use for traditional
big data sets in data warehousing, decision support, and
analytics. The paper then reviews non-relational big data
approaches such as distributed/shared-nothing architectures,
horizontal scaling, key/value stores, and eventual
consistency. This part of the paper differentiates between
structured versus unstructured data. The paper describes
various building blocks and techniques for Map Reduce and
HDFS, HBase and their implementation in an open source
Hadoop framework. This paper focuses on the infrastructure
planning (compute, network, and storage systems), and
reviews Hadoop design criteria and implementation
considerations. Hadoop includes many technologies,
including MapReduce, which interact with the infrastructure
elements while analyzing data. This paper reviews
performance considerations and describes relevant
benchmarks with a Hadoop analytics cluster. In conclusion,
the paper review the alternatives to hosting an analytics
cluster in a public cloud.

ผลลัพธ์ (ไทย) 1:

เป็นข้อมูลที่เติบโตในอุตสาหกรรม เทคนิคใหม่ และวิธีจำเป็นต้องถูกนำมาใช้ เอกสารนี้มุ่งเน้นการไม่มีโครงสร้างด้านวิเคราะห์ข้อมูลและความคิดเห็นเป็นกรณีศึกษา บางส่วนของโครงการสำคัญใน Apache Hadoop นี้กระดาษยังอธิบายถึงพื้นฐานของฐานข้อมูลเชิงสัมพันธ์ระบบการจัดการ (RDBMS) และใช้ของใช้โบราณชุดใหญ่ของข้อมูลในข้อมูลคลังสินค้า การสนับสนุน การตัดสินใจ และการวิเคราะห์ กระดาษข้อมูลขนาดใหญ่ที่ไม่ใช่เชิงความคิดเห็นแล้ววิธีเช่นสถาปัตยกรรมกระจาย/ร่วมไม่มีอะไรปรับขนาดแนวนอน คีย์/ค่าร้านค้า และสุดความสอดคล้องกัน ส่วนนี้ของกระดาษที่แตกต่างระหว่างโครงสร้างและไม่มีโครงสร้างข้อมูล กระดาษอธิบายบล็อกต่าง ๆ และเทคนิคการลดแผนที่ และHDFS, HBase และการดำเนินในการเปิดแหล่งที่มาเฟรมเวิร์ค Hadoop ด้วยกัน เอกสารนี้เน้นโครงสร้างพื้นฐานการวางแผน (ระบบคำนวณ เครือข่าย และเก็บข้อมูล), และความคิดเห็น Hadoop เกณฑ์การออกแบบและการใช้งานข้อควรพิจารณา Hadoop รวมถึงเทคโนโลยีต่าง ๆรวม MapReduce ซึ่งโต้ตอบกับโครงสร้างพื้นฐานองค์ประกอบในขณะที่การวิเคราะห์ข้อมูล ความคิดเห็นนี้พิจารณาประสิทธิภาพ และอธิบายที่เกี่ยวข้องมาตรฐานกับคลัสเตอร์วิเคราะห์ Hadoop ในบทสรุปทางเลือกสำหรับการจัดการโฮสต์สำหรับการวิเคราะห์ตรวจกระดาษคลัสเตอร์ในระบบคลาวด์สาธารณะ

ผลลัพธ์ (ไทย) 2:

เป็นข้อมูลที่เติบโตขึ้นในอุตสาหกรรม, เทคนิคใหม่และ
วิธีการที่จะต้องถูกนำมาใช้ กระดาษนี้จะมุ่งเน้นไปที่
ด้านที่ไม่มีโครงสร้างของการวิเคราะห์ข้อมูลและความคิดเห็นเป็นกรณี
ศึกษาบางส่วนของโครงการที่สำคัญใน Apache Hadoop นี้
กระดาษยังอธิบายพื้นฐานของฐานข้อมูลเชิงสัมพันธ์
ระบบการจัดการ (RDBMS) และการใช้งานแบบดั้งเดิมของพวกเขาสำหรับ
ชุดข้อมูลขนาดใหญ่ในคลังข้อมูลสนับสนุนการตัดสินใจและ
การวิเคราะห์ กระดาษแล้วความคิดเห็นข้อมูลขนาดใหญ่ที่ไม่สัมพันธ์
อื่น ๆ เช่นสถาปัตยกรรมกระจาย / ร่วมกันไม่มีอะไร
ปรับแนวนอนที่สำคัญร้านค้า / ค่าและในที่สุด
ความสอดคล้อง ส่วนหนึ่งของกระดาษนี้แตกต่างระหว่าง
โครงสร้างกับข้อมูลที่ไม่มีโครงสร้าง บทความนี้จะอธิบาย
การก่อสร้างตึกต่าง ๆ และเทคนิคในการช่วยลดและแผนที่
HDFS, HBase และการดำเนินงานของพวกเขาในโอเพนซอร์ส
กรอบ Hadoop กระดาษนี้จะมุ่งเน้นไปที่โครงสร้างพื้นฐาน
การวางแผน (Compute เครือข่ายและระบบจัดเก็บข้อมูล) และ
ความคิดเห็นเกณฑ์การออกแบบ Hadoop และการดำเนิน
การพิจารณา Hadoop รวมถึงเทคโนโลยีจำนวนมาก
รวมทั้ง MapReduce ซึ่งโต้ตอบกับโครงสร้างพื้นฐาน
องค์ประกอบขณะที่การวิเคราะห์ข้อมูล กระดาษนี้จะทบทวน
การพิจารณาประสิทธิภาพการทำงานและอธิบายที่เกี่ยวข้อง
มาตรฐานที่มีการวิเคราะห์คลัสเตอร์ Hadoop ในการสรุป
กระดาษทบทวนทางเลือกในการเป็นเจ้าภาพการวิเคราะห์
คลัสเตอร์ในเมฆประชาชน

ผลลัพธ์ (ไทย) 3:

เป็นข้อมูลที่เติบโตในอุตสาหกรรม เทคนิคใหม่วิธีที่ต้องนำมาใช้ บทความนี้มุ่งเน้นด้านใหม่ของการวิเคราะห์ข้อมูลและความคิดเห็นเป็นกรณีการศึกษา , บางส่วนของโครงการที่สำคัญใน Apache Hadoop . นี้กระดาษยังอธิบายถึงพื้นฐานของฐานข้อมูลเชิงสัมพันธ์ระบบการจัดการ ( RDBMS ) และใช้พวกเขาสำหรับแบบดั้งเดิมใหญ่ชุดข้อมูลในคลังข้อมูลสนับสนุนการตัดสินใจ และวิเคราะห์ แล้วกระดาษรีวิวโนนใหญ่ข้อมูลเชิงสัมพันธ์วิธีเช่นการกระจาย / ใช้สถาปัตยกรรมอะไรเลยปรับแนวนอน , ร้านคีย์ / ค่า , และสุดท้ายความสอดคล้อง ส่วนนี้ของกระดาษ differentiates ระหว่างเมื่อเทียบกับข้อมูลที่ไม่มีโครงสร้าง . กระดาษที่อธิบายบล็อกอาคารต่าง ๆและเทคนิคสำหรับแผนที่ลดและhdfs hbase , และใช้ในการเปิดแหล่งที่มาHadoop กรอบ กระดาษนี้จะเน้นโครงสร้างพื้นฐานแผนคอมพิวเตอร์ เครือข่าย และระบบจัดเก็บข้อมูล ) และรีวิว Hadoop เกณฑ์การออกแบบและการใช้งานพิจารณา รวมถึง Hadoop เทคโนโลยีมากมายรวม mapreduce ซึ่งโต้ตอบกับโครงสร้างพื้นฐานองค์ประกอบในขณะที่การวิเคราะห์ข้อมูล บทความนี้รีวิวการพิจารณาประสิทธิภาพและอธิบายที่เกี่ยวข้องมาตรฐานกับกลุ่ม Hadoop วิเคราะห์ . สรุปกระดาษตรวจสอบทางเลือกเพื่อจัดการการวิเคราะห์กลุ่มเมฆสาธารณะ