There is currently considerable ent

There is currently considerable enthusiasm around the MapReduce
(MR) paradigm for large-scale data analysis [17]. Although the
basic control flow of this framework has existed in parallel SQL
database management systems (DBMS) for over 20 years, some
have called MR a dramatically new computing model [8, 17]. In
this paper, we describe and compare both paradigms. Furthermore,
we evaluate both kinds of systems in terms of performance and development complexity. To this end, we define a benchmark consisting of a collection of tasks that we have run on an open source
version of MR as well as on two parallel DBMSs. For each task,
we measure each system’s performance for various degrees of parallelism on a cluster of 100 nodes. Our results reveal some interesting trade-offs. Although the process to load data into and tune
the execution of parallel DBMSs took much longer than the MR
system, the observed performance of these DBMSs was strikingly
better. We speculate about the causes of the dramatic performance
difference and consider implementation concepts that future systems should take from both kinds of architectures.

ผลลัพธ์ (ไทย) 2:

ขณะนี้มีความกระตือรือร้นมากรอบ MapReduce คือ
(MR) กระบวนทัศน์ในการวิเคราะห์ข้อมูลขนาดใหญ่ [17] แม้ว่าการควบคุมการไหลพื้นฐานของกรอบนี้มีอยู่ในแบบคู่ขนาน SQL ระบบการจัดการฐานข้อมูล (DBMS) มานานกว่า 20 ปีที่ผ่านมาบางส่วนได้เรียกนายแบบจำลองคอมพิวเตอร์ใหม่อย่างรวดเร็ว[8, 17] ในบทความนี้เราจะอธิบายและเปรียบเทียบทั้งกระบวนทัศน์ นอกจากนี้เราประเมินทั้งสองชนิดของระบบในแง่ของประสิทธิภาพและการพัฒนาความซับซ้อน ด้วยเหตุนี้เรากำหนดมาตรฐานประกอบด้วยคอลเลกชันของงานที่เราได้ทำงานในโอเพนซอร์สรุ่นของนายเช่นเดียวกับสอง DBMSs ขนาน สำหรับแต่ละงานเราจะวัดประสิทธิภาพของระบบในแต่ละระดับที่แตกต่างของความเท่าเทียมในคลัสเตอร์ 100 โหนด ผลของเราแสดงให้เห็นบางคนไม่ชอบการค้าที่น่าสนใจ แม้ว่ากระบวนการในการโหลดข้อมูลเข้าและปรับแต่งการทำงานของ DBMSs ขนานเอานานกว่านายของระบบการดำเนินงานของ DBMSs สังเกตเหล่านี้เป็นอย่างยอดเยี่ยมที่ดีขึ้น เราคาดการณ์เกี่ยวกับสาเหตุของผลการดำเนินงานที่น่าทึ่งที่แตกต่างกันและพิจารณาดำเนินการตามแนวความคิดว่าระบบในอนาคตควรจะใช้เวลาจากทั้งสองชนิดของสถาปัตยกรรม

ผลลัพธ์ (ไทย) 3:

ขณะนี้มีความกระตือรือร้นมาก ๆ mapreduce
( MR ) กระบวนทัศน์สำหรับการวิเคราะห์ข้อมูลขนาดใหญ่ [ 17 ] แม้ว่า
พื้นฐานการควบคุมการไหลของกรอบนี้มีอยู่ใน SQL
ระบบการจัดการฐานข้อมูล ( DBMS ) ขนานกันมานานกว่า 20 ปี บาง
ได้เรียกนายเป็นอย่างมากใหม่คอมพิวเตอร์แบบ [ 8 , 17 ) ใน
กระดาษนี้เราอธิบายและเปรียบเทียบทั้งสองกระบวนทัศน์ . นอกจากนี้
เราประเมินทั้งสองประเภทของระบบในแง่ของประสิทธิภาพและการพัฒนาความซับซ้อน จุดนี้เราได้กำหนดเกณฑ์มาตรฐานประกอบด้วยคอลเลกชันของงานที่เราได้ใช้แหล่ง
เปิดรุ่นของคุณรวมทั้งสองขนาน DBMSs . สำหรับงานแต่ละงาน ,
เราวัดประสิทธิภาพของระบบในแต่ละองศาต่างๆของความเท่าเทียมในกลุ่ม 100 โหนดผลของเราเปิดเผยบางส่วนไม่ชอบการค้าที่น่าสนใจ แม้ว่ากระบวนการในการโหลดข้อมูลลงในและปรับแต่ง
ประหาร DBMSs ขนานใช้เวลานานกว่าระบบคุณ
, สังเกตการปฏิบัติงานของเหล่านี้ DBMSs เป็น strikingly
ดีกว่า เราคาดการณ์เกี่ยวกับสาเหตุของ
การแสดงละครการใช้แนวคิดที่แตกต่าง และพิจารณาในอนาคตควรใช้ทั้งชนิดของสถาปัตยกรรม .