THE data for processing. Large Inte

THE data for processing. Large Internet companies routinely past decade has witnessed the explosive growth of
generate hundreds of tera-bytes of logs and operation
records. MapReduce has proven itself to be an effective tool
to process such large datasets [1]. It divides a job into multiple small tasks and assign them to a large number of nodes
for parallel processing. Due to its remarkable simplicity and
fault tolerance, MapReduce has been widely used in various
applications, including web indexing, log analysis, data
mining, scientific simulations, machine translation, etc..
There are several parallel computing frameworks that support MapReduce, such as Apache Hadoop [2], Google MapReduce [1], and Microsoft Dryad [3], of which Hadoop is
open-source and widely used

ผลลัพธ์ (ไทย) 1:

ข้อมูลสำหรับการประมวลผล บริษัทอินเทอร์เน็ตขนาดใหญ่ทศวรรษเป็นประจำได้เห็นการเจริญเติบโตของสร้างหลายร้อยไบต์การดำเนินงานบันทึกและดำเนินการเรกคอร์ด MapReduce ได้พิสูจน์ตัวเองให้ เป็นเครื่องมือที่มีประสิทธิภาพการประมวลผลเช่น datasets ขนาดใหญ่ [1] จะแบ่งงานออกเป็นงานหลายขนาดเล็ก และกำหนดให้กับจำนวนโหนดสำหรับประมวลผลแบบขนาน เนื่องจากความโดดเด่นเรียบง่าย และค่าเผื่อความบกพร่อง MapReduce ได้ถูกใช้ในที่ต่าง ๆโปรแกรมประยุกต์ รวมถึงมีการทำดัชนีเว็บ ระบบ การวิเคราะห์ข้อมูลเหมืองแร่ วิทยาศาสตร์จำลอง แปลภาษาด้วยเครื่อง ฯลฯ ...มีหลายขนานกรอบที่สนับสนุน MapReduce เช่น Apache อย่างไร Hadoop [2], Google MapReduce [1], และโรงแรมได รอาด Microsoft [3], การใช้งานอย่างไร Hadoop อยู่เปิดแหล่ง และใช้กันอย่างแพร่หลาย

ผลลัพธ์ (ไทย) 2:

ข้อมูลสำหรับการประมวลผล บริษัท อินเทอร์เน็ตขนาดใหญ่ประจำทศวรรษที่ผ่านมาได้เห็นการเจริญเติบโตระเบิดของการสร้างหลายร้อยเทราไบต์ของการบันทึกและการดำเนินงานบันทึก MapReduce ได้พิสูจน์ตัวเองที่จะเป็นเครื่องมือที่มีประสิทธิภาพในการประมวลผลชุดข้อมูลขนาดใหญ่ดังกล่าว[1] มันแบ่งงานออกเป็นงานเล็ก ๆ หลาย ๆ คนและกำหนดให้เป็นจำนวนมากของโหนดสำหรับการประมวลผลแบบขนาน เนื่องจากความเรียบง่ายของมันที่โดดเด่นและความอดทนความผิด MapReduce ได้รับการใช้กันอย่างแพร่หลายในหลาย ๆ ด้านการใช้งานรวมทั้งการจัดทำดัชนีเว็บเข้าสู่ระบบการวิเคราะห์ข้อมูลการทำเหมืองแร่, การจำลองทางวิทยาศาสตร์, เครื่องแปลภาษา, ฯลฯ .. มีหลายกรอบการคำนวณแบบขนานที่สนับสนุน MapReduce เช่น Apache Hadoop [2], Google MapReduce [1] และ Microsoft นางไม้ [3] ซึ่ง Hadoop เป็นโอเพนซอร์สและใช้กันอย่างแพร่หลาย

ผลลัพธ์ (ไทย) 3:

ข้อมูลสำหรับการประมวลผล บริษัทขนาดใหญ่อินเทอร์เน็ตเป็นประจำ ทศวรรษที่ผ่านมาได้เห็นการเจริญเติบโตระเบิดของ
สร้างหลายร้อยเทระไบต์และบันทึกระเบียนการ

mapreduce ได้พิสูจน์ตัวเองที่จะเป็นเครื่องมือที่มีประสิทธิภาพสำหรับกระบวนการขนาดใหญ่เช่นข้อมูล
[ 1 ] มันแบ่งงานออกเป็นงานเล็กหลายและให้พวกเขาไปเป็นจำนวนมากของโหนด
สำหรับการประมวลผลแบบขนานเนื่องจากความเรียบง่ายของทึ่งและยอมรับความผิด mapreduce
, มีการใช้กันอย่างแพร่หลายในการใช้งานต่างๆ
รวมทั้งดัชนีเว็บเข้าสู่ระบบการวิเคราะห์ข้อมูล
เหมืองแร่จำลองทางวิทยาศาสตร์ , เครื่องแปลภาษา , etc .
มีกรอบการคำนวณแบบขนานหลายที่ mapreduce สนับสนุน เช่น Apache Hadoop [ 2 ] , Google mapreduce [ 1 ] และ Microsoft นางไม้ [ 3 ] ซึ่ง Hadoop เป็น
เปิดแหล่งที่มาและใช้กันอย่างแพร่หลาย