Big data is difficult to analyze an

Big data is difficult to analyze and to work with using relational databases and desktop
statistics and visualization packages, requiring instead massively parallel software running on
tens, hundreds, or even thousands of servers.
The analysis of data, or data analytics, is the process of highlighting useful information
extracted from big data sets, usually with the goal to support decision making. Big data
analytics demands real or near-real time information delivery, and latency is therefore avoided
whenever and wherever possible. With this difficulty, a new platform of big data tools has
arisen, such as in the Apache Hadoop Big Data Platform derived from papers on Google's
MapReduce and Google File System.
There are many systems developed today for the parallel processing of big data sets that
provide query languages for expressing analysis tasks over big data sets. However, these
languages are more or less aware of the physical aspects of the underlying system.
In this talk we present a high level query language for expressing analysis tasks as queries
over big data sets, independently of how the analysis is to be carried out or what are the
computing resources used by the system and what is the physical layout of data: a query in
our language is defined at the conceptual level and then mapped to a lower level evaluation
mechanism for computing its answer. We illustrate this process using MapReduce as such a
lower level evaluation mechanism.

ผลลัพธ์ (ไทย) 1:

ข้อมูลขนาดใหญ่เป็นเรื่องยากใน การวิเคราะห์ และ การทำงานกับฐานข้อมูลเชิงสัมพันธ์และเดสก์ท็อปแพ็คเกจสถิติและแสดงภาพประกอบเพลง แต่ต้องทำงานบนซอฟต์แวร์ควบคู่กันอย่างหนาแน่นสิบ ร้อย หรือแม้แต่พันของเซิร์ฟเวอร์การวิเคราะห์ข้อมูล หรือการวิเคราะห์ข้อมูล เป็นกระบวนการเน้นข้อมูลที่เป็นประโยชน์แยกจากชุดข้อมูลขนาดใหญ่ มักจะมีเป้าหมายเพื่อสนับสนุนการตัดสินใจ ข้อมูลขนาดใหญ่วิเคราะห์ความต้องการจัดส่งข้อมูลเวลาจริง หรือใกล้จริง และดังนั้นจึงมีการหลีกเลี่ยงแฝงเมื่อใดก็ตาม และเป็นไป ด้วยความยากลำบากนี้ มีแพลตฟอร์มใหม่ของเครื่องมือข้อมูลขนาดใหญ่เกิดขึ้น เช่นใน Apache อย่างไร Hadoop ใหญ่ข้อมูลแพลตฟอร์มมาจากเอกสารในของ GoogleMapReduce และระบบไฟล์ Googleมีหลายระบบที่พัฒนาในวันนี้สำหรับการประมวลผลข้อมูลขนาดใหญ่พร้อมชุดที่ให้สอบถามภาษาสำหรับกำลังงานวิเคราะห์ชุดข้อมูลขนาดใหญ่กว่า อย่างไรก็ตาม เหล่านี้ภาษามีน้อยทราบลักษณะทางกายภาพของระบบต้นแบบในที่นี้พูดคุยเราอยู่ภาษาสอบถามระดับสูงสำหรับกำลังงานวิเคราะห์แบบสอบถามบนชุดข้อมูลขนาดใหญ่ เป็นอิสระจากการวิเคราะห์ว่าที่ทำหรือมีอะไรคอมพิวเตอร์ใช้ระบบและสิ่งที่เป็นโครงร่างทางกายภาพของข้อมูล: แบบสอบถามในกำหนดระดับแนวคิด และแมปแล้ว เพื่อเป็นการประเมินต่ำกว่าระดับภาษากลไกสำหรับการคำนวณคำตอบของ เราอธิบายกระบวนการนี้ใช้ MapReduce เป็นการกลไกการประเมินผลระดับล่าง

ผลลัพธ์ (ไทย) 2:

ข้อมูลขนาดใหญ่เป็นเรื่องยากในการวิเคราะห์และการทำงานกับการใช้ฐานข้อมูลเชิงสัมพันธ์และเดสก์ท็
สถิติและแพคเกจการแสดงที่ต้องใช้ซอฟแวร์ขนานแทนอย่างหนาแน่นที่ทำงานบน
หลายสิบหลายร้อยหรือหลายพันเซิร์ฟเวอร์.
การวิเคราะห์ข้อมูลหรือการวิเคราะห์ข้อมูลเป็นกระบวนการของ เน้นข้อมูลที่เป็นประโยชน์
ที่สกัดจากชุดข้อมูลขนาดใหญ่มักจะมีเป้าหมายที่จะสนับสนุนการตัดสินใจ ข้อมูลขนาดใหญ่
การวิเคราะห์ความต้องการจริงหรือใกล้จริงเวลาการส่งมอบข้อมูลและแฝงจึงจะหลีกเลี่ยง
และเมื่อใดก็ตามที่เป็นไปได้ ด้วยความยากลำบากนี้แพลตฟอร์มใหม่ของเครื่องมือข้อมูลขนาดใหญ่ได้
เกิดขึ้นเช่นในแพลตฟอร์มข้อมูล Apache Hadoop บิ๊กมาจากเอกสารในของ Google
MapReduce และระบบไฟล์ของ Google.
มีหลายระบบที่มีการพัฒนาในวันนี้สำหรับประมวลผลแบบขนานของชุดข้อมูลขนาดใหญ่ที่
ให้ ภาษาสอบถามสำหรับการแสดงงานมากกว่าการวิเคราะห์ชุดข้อมูลขนาดใหญ่ แต่เหล่านี้
ภาษาจะมากหรือน้อยตระหนักถึงลักษณะทางกายภาพของระบบพื้นฐาน.
ในการพูดคุยนี้เรานำเสนอภาษาแบบสอบถามในระดับสูงสำหรับการแสดงงานวิเคราะห์แบบสอบถาม
มากกว่าชุดข้อมูลขนาดใหญ่เป็นอิสระจากการวิเคราะห์วิธีการที่จะดำเนินการหรือ สิ่งที่เป็น
ทรัพยากรคอมพิวเตอร์ใช้ระบบและสิ่งที่เป็นรูปแบบทางกายภาพของข้อมูล: แบบสอบถามใน
ภาษาของเราถูกกำหนดให้อยู่ในระดับแนวคิดและแมปแล้วการประเมินผลระดับที่ต่ำกว่า
กลไกสำหรับการคำนวณคำตอบของมัน เราแสดงให้เห็นถึงขั้นตอนนี้ใช้ MapReduce เช่น
กลไกการประเมินผลระดับที่ต่ำกว่า

ผลลัพธ์ (ไทย) 3:

ใหญ่ข้อมูลเป็นเรื่องยากที่จะวิเคราะห์ และทำงานร่วมกับการใช้ฐานข้อมูลเชิงสัมพันธ์และสถิติและแสดงเดสก์ทอป
แพคเกจที่ต้องการแทนขนาน massively ซอฟต์แวร์ที่ทำงานบน
นับร้อยหรือแม้กระทั่งนับพันของเซิร์ฟเวอร์ .
การวิเคราะห์ข้อมูล หรือ ข้อมูล วิเคราะห์ คือ กระบวนการของการเน้นข้อมูลที่เป็นประโยชน์
สกัดจากชุดข้อมูลขนาดใหญ่มักจะมีเป้าหมายเพื่อสนับสนุนการตัดสินใจ การวิเคราะห์ข้อมูลความต้องการที่แท้จริง
ใหญ่หรือใกล้เวลาจริงการส่งข้อมูลและศักยภาพจึงหลีกเลี่ยง
และเมื่อใดก็ตามที่เป็นไปได้ กับปัญหานี้ แพลตฟอร์มใหม่ของเครื่องมือข้อมูลใหญ่
เกิดขึ้นเช่นใน Apache Hadoop ใหญ่ข้อมูลแพลตฟอร์มที่ได้มาจากเอกสารในระบบแฟ้ม Google และ Google mapreduce
.
มีหลายระบบที่พัฒนาในวันนี้สำหรับการประมวลผลแบบขนานของชุดข้อมูลที่ใหญ่
ให้ภาษาสอบถามแสดงงานวิเคราะห์ข้อมูลผ่านชุดใหญ่ อย่างไรก็ตาม ภาษาเหล่านี้มีมากขึ้นหรือน้อยลง
ตระหนักถึงลักษณะทางกายภาพของระบบพื้นฐาน .
ในนี้คุยกัน ปัจจุบันระดับภาษาแบบสอบถามแสดงงานเป็นแบบสอบถามการวิเคราะห์ข้อมูล
กว่าชุดใหญ่อิสระของวิธีวิเคราะห์มีการดําเนินการ หรืออะไรคือ
ทรัพยากรคอมพิวเตอร์ที่ใช้โดยระบบและสิ่งที่เป็นรูปแบบทางกายภาพของข้อมูล : แบบสอบถามใน
ภาษาของเรา กำหนดที่ระดับแนวคิดและแมปไปยังกลไกการประเมินผล
ระดับล่างสำหรับการคำนวณคำตอบของ เราแสดงให้เห็นถึงกระบวนการนี้ใช้ mapreduce เป็นกลไกการประเมินระดับล่างเช่น