Map Reduce. Originally put in place

Map Reduce. 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].

ผลลัพธ์ (ไทย) 1:

แผนที่ลด เดิม เก็บไว้ โดย Google เพื่อแก้ตัวเว็บค้นหาดัชนีสร้างปัญหา [12], MapReduce เป็นปัจจุบันรูปแบบโปรแกรมหลักและการใช้งานที่เกี่ยวข้องสำหรับการประมวลผล และการสร้างชุดข้อมูลขนาดใหญ่ [19]รูปแบบข้อมูลที่ป้อนเข้าในกรอบ MapReduce เป็น applicationspecificระบุ โดยผู้ใช้ [20] และเหมาะสำหรับ semistructuredหรือไม่มีโครงสร้างข้อมูล การ MapReduce ของพุการชุดของ คู่นี้ ชื่อ "MapReduce" แสดงความจริงที่ว่า ผู้ใช้ระบุอัลกอริทึมที่ใช้เคอร์เนลที่สองฟังก์ชัน: "แผนที่" และ "ลด" การทำงานของแผนที่ที่ใช้ในการข้อมูลการป้อนข้อมูล และสร้างรายการของกลาง คู่ และผสานการทำงานลดค่ากลางทั้งหมดเกี่ยวข้องกับคีย์กลางเดียวกัน [19] [20] ในดำเนินการคลัสเตอร์ Hadoop งาน (เช่นโปรแกรม MapReduce [11])โดยต่อมาแบ่งลงมาเรียกว่างาน เมื่อโหนดใน Hadoopcluster รับงาน จะสามารถการหาร และรันในขนานบนโหนอื่น ๆ [12]นี่ข้อมูลตั้งปัญหาจะแก้ไขได้ โดยการ JobTrackerซึ่งสื่อสารกับ NameNode ช่วย datanodesการส่งงานไปใกล้ข้อมูล datanodes ให้สังเกตว่า นี้ในรูปแบบของการประมวลผล คู่ไม่มีข้อจำกัดในการซึ่งไม่เหมือน อย่างง่ายดาย เป็นไปได้ในการประมวลผลแผนที่-ลดลักษณะ จริง MapReduce ได้รับเรียบร้อยแล้วใช้ในการบริการรับ RDF RDFS เล็กและนกฮูก [21,22] การใช้เหตุผล และในโครงสร้างข้อมูลสอบถาม [23]

ผลลัพธ์ (ไทย) 2:

แผนที่ลด แต่เดิมวางในสถานที่โดย Google ในการแก้
ปัญหาการสร้างดัชนีการค้นหาเว็บ [12], MapReduce ในปัจจุบัน
รูปแบบการเขียนโปรแกรมหลักและการดำเนินการที่เกี่ยวข้อง
สำหรับการประมวลผลและสร้างชุดข้อมูลขนาดใหญ่ [19].
รูปแบบการป้อนข้อมูลในกรอบ MapReduce เป็น applicationspecific,
มีการระบุ โดยผู้ใช้ [20] และเหมาะสำหรับแบบกึ่งโครงสร้าง
ข้อมูลหรือไม่มีโครงสร้าง การส่งออกของ MapReduce เป็น
ชุดของคู่ ชื่อ "MapReduce" เป็นการแสดงออกถึง
ความเป็นจริงที่ผู้ใช้ระบุขั้นตอนวิธีการใช้สองเคอร์เนล
ฟังก์ชั่น: "แผนที่" และ "ลด" ฟังก์ชั่นแผนที่จะนำไปใช้ในการ
ป้อนข้อมูลและการผลิตรายการของกลาง
คู่; และฟังก์ชั่นลดค่ากลางดังกล่าวทั้งหมด
ที่เกี่ยวข้องกับปุ่มกลางเดียวกัน [19] [20] ใน
คลัสเตอร์ Hadoop งาน (เช่นโปรแกรม MapReduce a [11]) จะดำเนินการ
ต่อจากนั้นทำลายมันลงไปในชิ้นส่วนที่เรียกว่า
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] และโครงสร้าง
ข้อมูลสอบถาม [23]