Hadapt is a start-up company curren

Hadapt is a start-up company currently commercializing the Yale University research project called HadoopDB. The company focuses on building a platform for Big Data analytics in the cloud by introducing a storage layer optimized for structured data and by providing a framework for executing SQL queries efficiently. This work considers processing data warehousing queries over very large datasets. Our goal is to maximize perfor mance while, at the same time, not giving up fault tolerance and scalability. We analyze the complexity of this problem in the split execution environment of HadoopDB. Here, incoming queries are examined; parts of the query are pushed down and executed inside the higher performing database layer; and the rest of the query is processed in a more generic MapReduce framework. In this paper, we discuss in detail performance-oriented query execution strategies for data warehouse queries in split execution environments, with particular focus on join and aggregation operations. The efficiency of our techniques is demonstrated by running experiments using the TPC-H benchmark with 3TB of data. In these experiments we compare our results with a standard commercial parallel database and an open-source MapReduce implementation featuring a SQL interface (Hive). We show that HadoopDB successfully competes with other systems.

ผลลัพธ์ (ไทย) 1:

Hadapt เป็นบริษัทเริ่มต้นในขณะนี้ commercializing โครงการวิจัยมหาวิทยาลัยเยลที่เรียกว่า HadoopDB บริษัทเน้นสร้างแพลตฟอร์มสำหรับวิเคราะห์ข้อมูลขนาดใหญ่ในเมฆ โดยแนะนำชั้นจัดเก็บเหมาะสำหรับโครงสร้างข้อมูล และให้กรอบสำหรับการดำเนินการสอบถาม SQL ได้อย่างมีประสิทธิภาพ งานนี้พิจารณาประมวลผลข้อมูลคลังสินค้าสอบถามผ่าน datasets ขนาดใหญ่มาก เป้าหมายของเราคือการ ขยาย mance perfor ขณะ พร้อมกัน ไม่ก็ยอมรับข้อบกพร่องและการขยายขนาด เราวิเคราะห์ความซับซ้อนของปัญหานี้ในสภาพแวดล้อมการปฏิบัติการแยกของ HadoopDB ที่นี่ แบบสอบถามเข้ามาจะตรวจสอบ ส่วนของแบบสอบถามจะผลักลง และดำเนินการภายในที่สูงประสิทธิภาพฐานข้อมูลชั้น และประมวลผลของแบบสอบถามในกรอบ MapReduce ทั่วไป ในเอกสารนี้ เราหารือในรายละเอียดสอบถามที่มุ่งเน้นประสิทธิภาพการดำเนินการกลยุทธ์สำหรับข้อมูลถามคลังสินค้าแบ่งการดำเนินการสภาพแวดล้อม โดยเฉพาะเน้นการดำเนินงานรวมและรวม ประสิทธิภาพของเทคนิคของเราจะแสดงโดยใช้เกณฑ์มาตรฐานสิ่งทอ-H 3TB ข้อมูลทดลอง ในการทดลองนี้ เราเปรียบเทียบผลกับมาตรฐานฐานข้อมูลเชิงพาณิชย์พร้อมนำ MapReduce ซอร์สที่มีอินเทอร์เฟซ SQL (รัง) ของเรา แสดงว่า HadoopDB สำเร็จแข่งขันกับระบบอื่น

ผลลัพธ์ (ไทย) 2:

Hadapt เป็น บริษัท ที่เริ่มต้นขึ้นในปัจจุบันพาณิชย์โครงการวิจัยมหาวิทยาลัยเยลเรียกว่า HadoopDB บริษัท มุ่งเน้นไปที่การสร้างแพลตฟอร์มสำหรับการวิเคราะห์ข้อมูลขนาดใหญ่ในเมฆโดยการแนะนำชั้นการจัดเก็บข้อมูลที่ดีที่สุดสำหรับข้อมูลที่มีโครงสร้างและโดยการให้กรอบในการดำเนินการสืบค้น SQL ได้อย่างมีประสิทธิภาพ งานนี้จะพิจารณาคำสั่งคลังสินค้าการประมวลผลข้อมูลผ่านชุดข้อมูลขนาดใหญ่มาก เป้าหมายของเราคือการเพิ่มในขณะที่แรนซัมการปฏิบัติในเวลาเดียวกันไม่ให้ขึ้นความอดทนความผิดและ scalability เราจะวิเคราะห์ความซับซ้อนของปัญหานี้ในสภาพแวดล้อมการดำเนินการแยกของ HadoopDB นี่คือแบบสอบถามที่เข้ามามีการตรวจสอบ; บางส่วนของคำถามก็จะผลักลงและดำเนินการในชั้นฐานข้อมูลประสิทธิภาพสูงกว่า และส่วนที่เหลือของแบบสอบถามจะถูกประมวลผลในกรอบ MapReduce ทั่วไปมากขึ้น ในบทความนี้เราจะหารือในรายละเอียดการดำเนินงานที่มุ่งเน้นกลยุทธ์การดำเนินการค้นหาสำหรับการค้นหาคลังข้อมูลในสภาพแวดล้อมการดำเนินการแยกการให้ความสำคัญโดยเฉพาะอย่างยิ่งเกี่ยวกับการเข้าร่วมและการรวมการดำเนินงาน ประสิทธิภาพของเทคนิคของเราแสดงให้เห็นโดยใช้การทดลองใช้ TPC-H 3TB ด้วยมาตรฐานของข้อมูล ในการทดลองเหล่านี้เราเปรียบเทียบผลของเรามีฐานข้อมูลแบบขนานมาตรฐานการค้าและการดำเนินงาน MapReduce โอเพนซอร์สที่มีอินเตอร์เฟซ SQL (ไฮฟ์) เราแสดงให้เห็นว่าประสบความสำเร็จใน HadoopDB แข่งขันกับระบบอื่น ๆ

ผลลัพธ์ (ไทย) 3:

ปัจจุบัน บริษัท ฯเป็น บริษัท hadapt นำเยลโครงการวิจัยของมหาวิทยาลัย เรียกว่า hadoopdb . บริษัท มุ่งเน้นการสร้างแพลตฟอร์ม สำหรับ ใหญ่ข้อมูล Analytics ในเมฆโดยแนะนํากระเป๋าชั้นเหมาะสำหรับข้อมูลที่มีโครงสร้าง และ โดยให้กรอบสำหรับการรันแบบสอบถาม SQL ได้อย่างมีประสิทธิภาพ งานนี้พิจารณาการประมวลผลคลังข้อมูลแบบสอบถามผ่านชุดข้อมูลที่มีขนาดใหญ่มากเป้าหมายของเราคือเพื่อ เพิ่ม perfor แมนส์ ในขณะที่ในเวลาเดียวกันไม่หมดหวังเทพบดีกล่าว เราวิเคราะห์ความซับซ้อนของปัญหานี้ในสภาพแวดล้อมของการแยก hadoopdb . ที่นี่ สอบถามเข้ามาตรวจสอบ ; ส่วนของแบบสอบถามจะผลักลงและดำเนินการภายในประสิทธิภาพสูงขึ้นชั้นฐานข้อมูลและส่วนที่เหลือของแบบสอบถามจะถูกประมวลผลในกรอบ mapreduce ทั่วไปมากขึ้น ในบทความนี้เราจะหารือในรายละเอียดการปฏิบัติงานที่มุ่งเน้นการค้นหากลยุทธ์คลังสินค้าข้อมูลแบบสอบถามในสภาพแวดล้อมที่แยกการประหาร ด้วยการมุ่งเน้นเฉพาะการรวมและการรวม . ประสิทธิภาพของเทคนิคของเราที่แสดงโดยใช้การทดลองใช้มาตรฐาน tpc-h กับ 3tb ข้อมูลในการทดลองนี้เราเปรียบเทียบผลลัพธ์ของเรากับมาตรฐานเชิงขนานและใช้ฐานข้อมูลโอเพ่นซอร์ส mapreduce ที่มี SQL อินเตอร์เฟซ ( รัง ) เราแสดงให้เห็นว่า hadoopdb สําเร็จแข่งขันกับระบบอื่น