Abstract—This paper describes Spati

Abstract—This paper describes Spatial Hadoop; a full-fledged Map Reduce framework with native support for spatial data. Spatial Hadoop is a comprehensive extension to Hadoop that injects spatial data awareness in each Hadoop layer, namely, the language,storage, Map Reduce, and operations layers. In the language layer, Spatial Hadoop adds a simple and expressive high level language for spatial data types and operations. In the storage layer, Spatial Hadoop adapts traditional spatial index structures, Grid, R-tree and R+-tree, to form a two-level spatial index. Spatial Hadoop enriches the Map Reduce layer by two new components, Spatial File Splitter and Spatial Record Reader, for efficient and scalable spatial data processing. In the operations layer,Spatial Hadoop is already equipped with a dozen of operations, including range query, kNN, and spatial join. Other spatial operations are also implemented following a similar approach. Extensive experiments on real system prototype and real datasets show that Spatial Hadoop achieves orders of magnitude better performance than Hadoop for spatial data processing

ผลลัพธ์ (ไทย) 1:

นามธรรมซึ่งเอกสารนี้อธิบายอย่างไร Hadoop ปริภูมิ ลำลดแผนที่กรอบ ด้วยการสนับสนุนพื้นเมืองสำหรับข้อมูลปริภูมิ อย่างไร Hadoop ปริภูมิจะขยายครอบคลุมอย่างไร Hadoop ที่ injects ตระหนักข้อมูลปริภูมิในแต่ละชั้นอย่างไร Hadoop ได้แก่ ภาษา จัดเก็บ แผนที่ลด และชั้นการดำเนินงาน ในชั้นภาษา อย่างไร Hadoop ปริภูมิเพิ่มง่าย และแสดงออกสูงระดับภาษาสำหรับชนิดข้อมูลปริภูมิและการดำเนินงาน ในชั้นจัดเก็บ อย่างไร Hadoop ปริภูมิปรับโครงสร้างดัชนีแบบปริภูมิ ตาราง แผนภูมิ R และ R + -ทรี แบบดัชนีแบบปริภูมิสองชั้น อย่างไร Hadoop ปริภูมิเพิ่มคุณค่าแก่ชั้นลดแผนที่ โดยสองเว้น แยกไฟล์ปริภูมิและปริภูมิอ่านระเบียน มีประสิทธิภาพ และสามารถต่อขยายพื้นที่ประมวลผลข้อมูล แล้วติดตั้งอย่างไร Hadoop ปริภูมิในชั้นการดำเนินงาน กับโหลของการดำเนินงาน รวม ถึงแบบสอบถามช่วง kNN รวมพื้นที่ การดำเนินงานพื้นที่อื่น ๆ จะยังดำเนินตามวิธีการคล้ายคลึงกัน การทดลองอย่างละเอียดบนต้นแบบระบบจริงและ datasets จริงแสดงว่า อย่างไร Hadoop ปริภูมิได้รับใบสั่งของขนาดประสิทธิภาพที่ดีกว่าอย่างไร Hadoop สำหรับการประมวลผลข้อมูลปริภูมิ

ผลลัพธ์ (ไทย) 2:

บทคัดย่อนี้บทความนี้จะอธิบายเชิงพื้นที่ Hadoop; แผนที่ที่เต็มเปี่ยมกรอบลดด้วยการสนับสนุนพื้นเมืองสำหรับข้อมูลเชิงพื้นที่ เชิงพื้นที่ Hadoop เป็นส่วนขยายที่ครอบคลุมเพื่อ Hadoop ที่อัดฉีดการรับรู้ข้อมูลเชิงพื้นที่ในแต่ละชั้น Hadoop คือภาษา, การจัดเก็บแผนที่ลดลง, ชั้นการดำเนินงาน ในชั้นภาษาเชิงพื้นที่ Hadoop เพิ่มภาษาระดับสูงที่เรียบง่ายและมีความหมายสำหรับชนิดข้อมูลเชิงพื้นที่และการดำเนินงาน ในชั้นการจัดเก็บข้อมูลเชิงพื้นที่ Hadoop ปรับโครงสร้างดัชนีเชิงพื้นที่แบบดั้งเดิม, ตาราง R-ต้นไม้และ R + -tree ในรูปแบบสองระดับดัชนีเชิงพื้นที่ เชิงพื้นที่ Hadoop เสริมสร้างแผนที่ลดชั้นสององค์ประกอบใหม่, ไฟล์ Splitter เชิงพื้นที่และเชิงพื้นที่บันทึก Reader, สำหรับการประมวลผลข้อมูลเชิงพื้นที่ที่มีประสิทธิภาพและสามารถปรับขนาดได้ ในชั้นการดำเนินงานเชิงพื้นที่ Hadoop มีความพร้อมแล้วกับโหลของการดำเนินงานรวมทั้งการสอบถามช่วง kNN และเชิงพื้นที่เข้าร่วม การดำเนินงานเชิงพื้นที่อื่น ๆ จะดำเนินการต่อไปนอกจากนี้ยังมีวิธีการที่คล้าย การทดลองอย่างกว้างขวางในต้นแบบระบบจริงและชุดข้อมูลจริงแสดงให้เห็นว่าประสบความสำเร็จในเชิงพื้นที่ Hadoop คำสั่งของขนาดประสิทธิภาพดีกว่า Hadoop สำหรับการประมวลผลข้อมูลเชิงพื้นที่

ผลลัพธ์ (ไทย) 3:

บทคัดย่อบทความนี้อธิบายถึงพื้นที่ Hadoop ; แผนที่เต็มเปี่ยมลดกรอบการสนับสนุนพื้นเมืองสำหรับข้อมูลเชิงพื้นที่ พื้นที่ Hadoop เป็นส่วนขยายให้ครอบคลุม Hadoop ที่ injects รับรู้ข้อมูลเชิงพื้นที่ในแต่ละชั้น Hadoop , คือ , ภาษา , กระเป๋า , ราคาลด , และชั้นงาน ในภาษาชั้นพื้นที่ Hadoop เพิ่มง่ายและแสดงออกเป็นภาษาระดับสูง ( ชนิดของข้อมูลและการดำเนินการ ในการจัดเก็บข้อมูลชั้นการปรับโครงสร้างดัชนีเชิงพื้นที่แบบดั้งเดิม Hadoop , ตาราง , r-tree และ R - ต้นไม้ในรูปแบบสองมิติดัชนี พื้นที่ Hadoop คุณค่าแผนที่ลดทีละสององค์ประกอบใหม่ไฟล์พื้นที่และอ่านบันทึกอวกาศที่มีประสิทธิภาพและระบบการประมวลผลข้อมูลเชิงพื้นที่ ในการดำเนินการชั้นพื้นที่ , Hadoop เป็นที่เรียบร้อยแล้ว พร้อมกับโหลของการดำเนินงานรวมถึงช่วงแบบสอบถาม knn และพื้นที่เข้าร่วม การดำเนินงานด้านอื่น ๆ นอกจากนี้ยังดำเนินการตามวิธีการที่คล้ายคลึงกันการทดลองที่กว้างขวางบนระบบจริงต้นแบบและข้อมูลแสดงให้เห็นว่าพื้นที่จริงตามคำสั่งของขนาด Hadoop ได้ดีกว่า Hadoop สำหรับการประมวลผลข้อมูลเชิงพื้นที่