This is important because multi-job

This is important because multi-job computations are very popular. The primitives provided by big data processing systems (e.g. Hadoop, MapReduce) constrain the amount of work possible in a job. As a result, users need to divide their algorithms into multiple jobs [16], [15] or rely on higher level languages (e.g. Hive [23], Pig [19]) which usually also get compiled into sequences of jobs.

ผลลัพธ์ (ไทย) 1:

ซึ่งเป็นสิ่งสำคัญเนื่องจากหลายงานประมวลผลได้รับความนิยมมาก นำโดยระบบประมวลผลข้อมูลขนาดใหญ่ (เช่นอย่างไร Hadoop, MapReduce) จำกัดจำนวนสามารถทำงาน ดังนั้น ผู้ใช้ต้องแบ่งของอัลกอริทึมหลายงาน [16], [15] หรือพึ่งพาสูงระดับภาษา (เช่นกลุ่ม [23] หมู [19]) ซึ่งมักจะยังได้รับการคอมไพล์ให้เป็นลำดับของงานนั้น

ผลลัพธ์ (ไทย) 2:

นี้เป็นสิ่งสำคัญเพราะการคำนวณหลายงานที่เป็นที่นิยมมาก วิทยาการที่ได้รับจากระบบการประมวลผลข้อมูลขนาดใหญ่ (เช่น Hadoop, MapReduce) จำกัด ปริมาณของการทำงานที่เป็นไปได้ในงาน เป็นผลให้ผู้ใช้จำเป็นต้องแบ่งขั้นตอนวิธีการของพวกเขาเป็นหลายขั้นตอน [16], [15] หรือพึ่งพาภาษาระดับที่สูงขึ้น (เช่นไฮฟ์ [23] หมู [19]) ซึ่งมักจะยังได้รับการเรียบเรียงลำดับของงาน

ผลลัพธ์ (ไทย) 3:

นี้เป็นสิ่งสำคัญเพราะหลายงานคณนาเป็นที่นิยมมาก โดยระบบการประมวลผลข้อมูลที่ primitives ใหญ่ ( เช่น Hadoop mapreduce , ) จำกัด ปริมาณงาน ที่สุดในงาน เป็นผลให้ผู้ใช้ต้องการที่จะแบ่งออกเป็นหลายขั้นตอนวิธีการของพวกเขางาน [ 16 ] , [ 15 ] หรือพึ่งพาระดับภาษา ( เช่น รังผึ้ง [ 23 ] หมู [ 19 ] ) ซึ่งมักจะได้รับการเรียบเรียงลำดับงาน