MapReduce. Originally put in place

MapReduce. Originally put in place by Google to solve the
web search index creation problem [12], MapReduce is nowadays the main programming model and associated implementation for processing and generating large datasets [19].
The input data format in MapReduce framework is applicationspecific, is specified by the user [20] and is suitable for semistructured or unstructured data. The MapReduce’s output is a
set of pairs. The name “MapReduce” expresses
the fact that users specify an algorithm using two kernel
functions: “Map” and “Reduce”. The Map function is applied on
the input data and produces a list of intermediate
pairs; and the Reduce function merges all intermediate values associated with the same intermediate key [19] [20]. In
a Hadoop cluster, a job (i.e a MapReduce program [11]) is executed by subsequently breaking it down into pieces called
tasks. When a node in Hadoopcluster receives a job, it is able
to divide it, and run it in parallel over other nodes [12].
Here the data location problem is solved by the JobTracker
which communicates with the NameNode to help datanodes
to send tasks to near-data datanodes. Let us note that this
processing in form of pairs is not a limitation to
processing which does not seem, at first glance, feasible in
map-reduce manner. Indeed, MapReduce has been successfully
used in RDF/RDFS and OWL reasoning [21,22] and in structured data querying [23].
Around HDFS and MapReduce there are tens of projects
which cannot be presented in detail here. Those projects can
be classified according to their capabilities:

ผลลัพธ์ (ไทย) 1:

MapReduce เดิม เก็บไว้ โดย Google เพื่อแก้ตัวเว็บค้นหาดัชนีสร้างปัญหา [12], MapReduce เป็นปัจจุบันจำลองการเขียนโปรแกรมหลักและการดำเนินการที่เกี่ยวข้อง เพื่อประมวลผลชุดข้อมูลขนาดใหญ่ [19]รูปแบบข้อมูลที่ป้อนเข้าในกรอบ MapReduce เป็น applicationspecific ระบุ โดยผู้ใช้ [20] และเหมาะสำหรับ semistructured หรือไม่มีโครงสร้างข้อมูล การ MapReduce ของพุการชุดของ คู่นี้ ชื่อ "MapReduce" แสดงความจริงที่ว่า ผู้ใช้ระบุอัลกอริทึมที่ใช้เคอร์เนลที่สองฟังก์ชัน: "แผนที่" และ "ลด" การทำงานของแผนที่ที่ใช้ในการข้อมูลการป้อนข้อมูล และสร้างรายการของกลาง คู่ และผสานการทำงานลดค่ากลางทั้งหมดที่เกี่ยวข้องกับคีย์กลางเดียวกัน [19] [20] ในดำเนินการ โดยมาทำลายลงเป็นชิ้นที่เรียกว่าคลัสเตอร์ Hadoop งาน (เช่นโปรแกรม MapReduce [11])งาน เมื่อโหนดใน Hadoopcluster รับงาน จะสามารถการหาร และรันในขนานบนโหนอื่น ๆ [12]นี่ข้อมูลตั้งปัญหาจะแก้ไขได้ โดยการ JobTrackerซึ่งสื่อสารกับ NameNode ช่วย datanodesการส่งงานไปใกล้ข้อมูล datanodes ให้สังเกตว่า นี้ในรูปแบบของการประมวลผล คู่ไม่มีข้อจำกัดในการซึ่งไม่เหมือน อย่างง่ายดาย เป็นไปได้ในการประมวลผลแผนที่-ลดลักษณะ จริง MapReduce ได้รับเรียบร้อยแล้วใช้บริการรับ RDF RDFS เล็กและนกฮูก [21,22] การใช้เหตุผล และข้อมูลสอบถาม [23]HDFS และ MapReduce มีหลายสิบโครงการซึ่งไม่สามารถนำเสนอในรายละเอียดที่นี่ โครงการเหล่านั้นสามารถจำแนกตามความสามารถ:

ผลลัพธ์ (ไทย) 2:

MapReduce แต่เดิมวางในสถานที่โดย Google ในการแก้
ปัญหาการสร้างดัชนีการค้นหาเว็บ [12], MapReduce ในปัจจุบันรูปแบบการเขียนโปรแกรมหลักและการดำเนินการที่เกี่ยวข้องสำหรับการประมวลผลและสร้างชุดข้อมูลขนาดใหญ่ [19].
รูปแบบการป้อนข้อมูลในกรอบ MapReduce เป็น applicationspecific, มีการระบุ โดยผู้ใช้ [20] และเหมาะสำหรับข้อมูลที่ไม่มีโครงสร้างหรือแบบกึ่งโครงสร้าง การส่งออกของ MapReduce เป็น
ชุดของคู่ ชื่อ "MapReduce" เป็นการแสดงออกถึง
ความเป็นจริงที่ผู้ใช้ระบุขั้นตอนวิธีการใช้สองเคอร์เนล
ฟังก์ชั่น: "แผนที่" และ "ลด" ฟังก์ชั่นแผนที่จะนำไปใช้ในการ
ป้อนข้อมูลและการผลิตรายการของกลาง
คู่; และฟังก์ชั่นลดค่ากลางดังกล่าวทั้งหมดที่เกี่ยวข้องกับปุ่มกลางเดียวกัน [19] [20] ใน
คลัสเตอร์ Hadoop งาน (เช่นโปรแกรม MapReduce a [11]) จะดำเนินการโดยต่อมาทำลายมันลงไปในชิ้นส่วนที่เรียกว่า
งาน เมื่อโหนดใน Hadoopcluster รับงานก็จะสามารถ
ที่จะแบ่งมันและใช้มันในแบบคู่ขนานกว่าโหนดอื่น ๆ [12].
นี่คือปัญหาที่ตั้งของข้อมูลที่ได้รับการแก้ไขโดย JobTracker
ที่ติดต่อสื่อสารกับ NameNode ที่จะช่วยให้ datanodes
ที่จะส่งงานให้กับ ซึ่งอยู่ใกล้กับข้อมูล datanodes แจ้งให้เราทราบว่านี้
การประมวลผลในรูปแบบของคู่ไม่ได้เป็นข้อ จำกัด กับ
การประมวลผลซึ่งดูเหมือนจะไม่ได้อย่างรวดเร็วก่อนเป็นไปได้ใน
ลักษณะแผนที่ลด แท้จริง MapReduce ได้รับการประสบความสำเร็จ
ที่ใช้ใน RDF / RDFS และนกฮูกเหตุผล [21,22] และสอบถามข้อมูลที่มีโครงสร้าง [23].
บริเวณใกล้เคียงและ HDFS MapReduce มีหลายสิบโครงการ
ที่ไม่สามารถนำเสนอในรายละเอียดที่นี่ โครงการเหล่านั้นสามารถ
จำแนกตามความสามารถของพวกเขา

ผลลัพธ์ (ไทย) 3:

mapreduce . เดิมที่วางไว้โดย Google เพื่อแก้ปัญหาเว็บค้นหาที่ดัชนีการสร้างปัญหา [ 12 ] mapreduce ในปัจจุบันรูปแบบโปรแกรมหลักที่ใช้ในการประมวลผลข้อมูล และการสร้างขนาดใหญ่ [ 19 ]ข้อมูล mapreduce รูปแบบในกรอบ applicationspecific , ที่ระบุโดยผู้ใช้ [ 20 ] และเหมาะสำหรับสร้าง หรือข้อมูลที่ไม่มีโครงสร้าง . ของ mapreduce output เป็นชุดของค่า > < กุญแจคู่ ชื่อ " mapreduce " กกต.ข้อเท็จจริงที่ผู้ใช้ระบุขั้นตอนวิธีใช้สองเมล็ดหน้าที่ : " แผนที่ " และ " ลด " ฟังก์ชันใช้ในแผนที่ข้อมูล และสร้างรายชื่อของคีย์กลางค่า > < ,คู่ และลดการทำงานผสานทั้งหมดกลางค่าที่เกี่ยวข้องกับเดียวกันกลางคีย์ [ 19 ] [ 20 ] ในเป็น Hadoop คลัสเตอร์ งาน ( คือเป็นโปรแกรม mapreduce [ 11 ] ) จะดำเนินการโดยต่อมาแบ่งลงเป็นชิ้น ที่เรียกว่างาน เมื่อมีโหนดใน hadoopcluster ได้รับงาน มันสามารถการแบ่ง และวิ่งขนานไปโหนดอื่น ๆ [ 12 ]ที่นี่ข้อมูลสถานที่แก้ปัญหาโดย jobtrackerที่สื่อสารกับ namenode ช่วย datanodesส่งงานใกล้ datanodes ข้อมูล แจ้งให้เราทราบว่าการประมวลผลในรูปแบบของค่า > < คีย์คู่ไม่ได้เป็นข้อจำกัดในการการประมวลผล ซึ่งดูเหมือน at glance ครั้งแรก เป็นไปได้ ในแผนที่ลดลักษณะ แน่นอน mapreduce เรียบร้อยแล้วใช้ RDF / rdfs และ [ เหตุผลนกฮูก 21,22 ] และสอบถามข้อมูลโครงสร้าง [ 23 ]รอบ hdfs mapreduce และมีหลายสิบโครงการซึ่งจะนำเสนอในรายละเอียดที่นี่ โครงการดังกล่าวสามารถจะแบ่งตามความสามารถของตน