can be diverse for a variety of rea

can be diverse for a variety of reasons. A good partition
method should take this into consideration instead of
always dividing the work evenly among all reducers.
In this paper, we present a new strategy called LIBRA
(Lightweight Implementation of Balanced Range Assignment) to solve the data skew problem for reduce-side applications in MapReduce. Compared to the previous work, our
contributions include the following

ผลลัพธ์ (ไทย) 1:

ได้หลากหลายสำหรับหลากหลายเหตุผล พาร์ติชันที่ดีวิธีควรพิจารณานี้แทนการแบ่งงานระหว่าง reducers ทั้งหมดเสมอในเอกสารนี้ เรานำเสนอกลยุทธ์ใหม่ที่เรียกว่าตุล(น้ำหนักเบางานของสมดุลช่วงกำหนด) เพื่อแก้ไขปัญหาข้อมูลต้นฉบับเอียงอัตโนมัติเพื่องานด้านลด MapReduce เมื่อเทียบกับการทำงานก่อนหน้านี้ เราผลงานมีดังนี้

ผลลัพธ์ (ไทย) 2:

สามารถที่หลากหลายสำหรับหลากหลายเหตุผล พาร์ติชันที่ดีวิธีควรใช้เวลานี้ในการพิจารณาแทนมักจะแบ่งการทำงานอย่างเท่าเทียมกันในหมู่reducers ทั้งหมด. ในบทความนี้เราจะนำเสนอกลยุทธ์ใหม่ที่เรียกว่า LIBRA (น้ำหนักเบาการดำเนินงานของการกำหนดช่วงสมดุล) เพื่อแก้ปัญหาข้อมูลปัญหาลาดสำหรับลดด้านการใช้งาน ใน MapReduce เมื่อเทียบกับการทำงานที่ผ่านมาของเรามีส่วนร่วมรวมถึงต่อไปนี้

ผลลัพธ์ (ไทย) 3:

สามารถหลากหลายสำหรับหลากหลายเหตุผล วิธีการพาร์ทิชัน
ที่ดีควรใช้เวลานี้ในการพิจารณาแทน
เสมอแบ่งงานกันระหว่าง Reducers .
ในกระดาษนี้เรานำเสนอกลยุทธ์ใหม่ที่เรียกว่าราศีตุลย์
( ใช้น้ำหนักเบาของงานช่วงสมดุล ) เพื่อแก้ไขข้อมูลที่บิดเบือน เพื่อลดปัญหาด้านการใช้งานใน mapreduce . เมื่อเทียบกับผลงานที่ผ่านมาของเรา
ผลงานประกอบด้วย