Tez is a proposal to develop a gene

Tez is a proposal to develop a generic application which can be used to process complex data-processing task DAGs and runs natively on Apache Hadoop YARN. Tez generalizes the MapReduce paradigm to a more powerful framework based on expressing computations as a dataflow graph. Tez is not meant directly for end-users – in fact it enables developers to build end-user applications with much better performance and flexibility. Hadoop has traditionally been a batch-processing platform for large amounts of data. However, there are a lot of use cases for near-real-time performance of query processing. There are also several workloads, such as Machine Learning, which do not fit will into the MapReduce paradigm. Tez helps Hadoop address these use cases. Tez framework constitutes part of Stinger initiative (a low latency based SQL type query interface for Hadoop based on Hive).
Data analytics cluster computing framework originally developed in the AMPLab at UC Berkeley. Spark fits into the Hadoop open-source community, building on top of the Hadoop Distributed File System (HDFS). However, Spark provides an easier to use alternative to Hadoop MapReduce and offers performance up to 10 times faster than previous generation systems like Hadoop MapReduce for certain applications.
Spark is a framework for writing fast, distributed programs. Spark solves similar problems as Hadoop MapReduce does but with a fast in-memory approach and a clean functional style API. With its ability to integrate with Hadoop and inbuilt tools for interactive query analysis (Shark), large-scale graph processing and analysis (Bagel), and real-time analysis (Spark Streaming), it can be interactively used to quickly process and query big data sets.
To make programming faster, Spark provides clean, concise APIs in Scala, Java and Python. You can also use Spark interactively from the Scala and Python shells to rapidly query big datasets. Spark is also the engine behind Shark, a fully Apache Hive-compatible data warehousing system that can run 100x faster than Hive.

Spark SQL unifies access to structured data.
MLlib is Apache Spark's scalable machine learning library.
Spark Streaming makes it easy to build scalable fault-tolerant streaming applications.

ผลลัพธ์ (ไทย) 2:

Tez เป็นข้อเสนอในการพัฒนาโปรแกรมทั่วไปที่สามารถใช้ในการประมวลผลที่ซับซ้อนในการประมวลผลข้อมูล DABs ความงานและทำงาน natively บนเส้นด้าย Apache Hadoop Tez generalizes MapReduce กระบวนทัศน์ที่จะเป็นกรอบที่มีประสิทธิภาพมากขึ้นอยู่กับการคำนวณแสดงเป็นกราฟ dataflow Tez ไม่ได้หมายโดยตรงสำหรับผู้ใช้ - ในความเป็นจริงจะช่วยให้นักพัฒนาสามารถสร้างโปรแกรมประยุกต์ของผู้ใช้ที่มีผลการดำเนินงานที่ดีขึ้นและมีความยืดหยุ่น Hadoop ได้รับแบบดั้งเดิมแพลตฟอร์มชุดการประมวลผลสำหรับข้อมูลจำนวนมาก แต่มีจำนวนมากของกรณีการใช้งานสำหรับการทำงานใกล้เวลาจริงของการประมวลผลแบบสอบถาม นอกจากนี้ยังมีปริมาณงานหลายอย่างเช่นเครื่องการเรียนรู้ที่ไม่เหมาะสมจะเข้าสู่กระบวนทัศน์ MapReduce Tez ช่วย Hadoop ที่อยู่กรณีการใช้งานเหล่านี้ กรอบ Tez ถือว่าเป็นส่วนหนึ่งของโครงการเหล็ก (latency ต่ำตามอินเตอร์เฟซประเภทแบบสอบถาม SQL สำหรับ Hadoop บนพื้นฐานของไฮฟ์).
กลุ่มการวิเคราะห์ข้อมูลคอมพิวเตอร์กรอบการพัฒนามาใน AMPLab ที่เบิร์กเลย์ Spark ควรเป็น Hadoop ชุมชนโอเพนซอร์สอาคารด้านบนของ Hadoop แจกจ่าย File System (HDFS) แต่จุดประกายให้ง่ายต่อการใช้ทางเลือกที่จะ Hadoop MapReduce และนำเสนอผลการดำเนินงานได้ถึง 10 ครั้งเร็วกว่าระบบรุ่นก่อนหน้านี้เช่น Hadoop MapReduce สำหรับการใช้งานบางอย่าง.
Spark เป็นกรอบสำหรับการเขียนได้อย่างรวดเร็วโปรแกรมกระจาย Spark แก้ปัญหาที่คล้ายกันเป็น Hadoop MapReduce ไม่ แต่ด้วยวิธีการอย่างรวดเร็วในหน่วยความจำและรูปแบบการทำงานที่สะอาด API ด้วยความสามารถในการทำงานร่วมกับ Hadoop และเครื่องมือ inbuilt สำหรับการวิเคราะห์แบบสอบถามแบบโต้ตอบ (ฉลาม), การประมวลผลกราฟขนาดใหญ่และการวิเคราะห์ (Bagel) และการวิเคราะห์ตามเวลาจริง (Spark สตรีมมิ่ง) ก็สามารถนำมาใช้ในการโต้ตอบในการประมวลผลได้อย่างรวดเร็วและสอบถามใหญ่ ชุดข้อมูล.
จะทำให้การเขียนโปรแกรมได้เร็วขึ้นจุดประกายให้สะอาด APIs รัดกุมใน Scala, Java และ Python นอกจากนี้คุณยังสามารถใช้จุดประกายการโต้ตอบจาก Scala และเปลือกหอยงูใหญ่ได้อย่างรวดเร็วค้นหาชุดข้อมูลขนาดใหญ่ Spark ยังเป็นเครื่องยนต์ที่อยู่เบื้องหลังฉลามระบบคลังข้อมูล Apache อย่างเต็มที่ไฮฟ์ได้ที่สามารถทำงาน 100x เร็วกว่าไฮฟ์. Spark SQL เป็นหนึ่งเดียวการเข้าถึงข้อมูลที่มีโครงสร้าง. MLlib เป็นเครื่องที่ปรับขนาดได้จุดประกายของ Apache ห้องสมุดการเรียนรู้. Spark Streaming ทำให้ง่ายต่อการสร้างปรับขนาดได้ การใช้งานสตรีมมิ่งความผิดพลาด

ผลลัพธ์ (ไทย) 3:

ครับเป็นข้อเสนอเพื่อพัฒนาโปรแกรมทั่วไปที่สามารถใช้ในงานที่ซับซ้อนและกระบวนการประมวลผลข้อมูลเดคากรัมวิ่ง natively บน Apache Hadoop ไหมพรม ครับที่ mapreduce เช่นนี้ได้ขยายกรอบกระบวนทัศน์เพื่อประสิทธิภาพมากขึ้นบนพื้นฐานของการแสดงต่างๆเป็นข้อมูลกราฟครับไม่ได้หมายถึงสำหรับผู้ใช้งานโดยตรงและในความเป็นจริงจะช่วยให้นักพัฒนาเพื่อสร้างโปรแกรมประยุกต์ของผู้ใช้ที่มีประสิทธิภาพมากและมีความยืดหยุ่น Hadoop ตามเนื้อผ้าแล้วแพลตฟอร์มการประมวลผลแบทช์สำหรับขนาดใหญ่ปริมาณของข้อมูล อย่างไรก็ตาม มีหลายกรณีใช้ใกล้เวลาแสดงจริงของการประมวลผลแบบสอบถาม ยังมีอีกหลายงาน เช่น การเรียนรู้ด้วยเครื่องจักรซึ่งไม่เหมาะจะเป็น mapreduce กระบวนทัศน์ . ครับช่วย Hadoop ที่อยู่กรณีใช้เหล่านี้ ถือเป็นส่วนหนึ่งของโครงการครับ กรอบเหล็ก ( latency ต่ำตามอินเตอร์เฟซแบบสอบถามประเภท SQL สำหรับ Hadoop ตามรัง ) .
การวิเคราะห์ข้อมูลคอมพิวเตอร์กลุ่มกรอบพัฒนาเดิมใน amplab ที่ UC Berkeley . ประกายเหมาะใน Hadoop แหล่งชุมชนอาคารด้านบนของระบบแฟ้มแบบกระจาย ( hdfs Hadoop ) อย่างไรก็ตาม จุดประกายให้ง่ายต่อการใช้ทางเลือก Hadoop mapreduce และมีประสิทธิภาพได้ถึง 10 ครั้งเร็วกว่าระบบรุ่นก่อนหน้าอย่าง Hadoop mapreduce สำหรับการใช้งานบางอย่าง .
จุดประกายเป็นกรอบการเขียนอย่างรวดเร็ว , แจกโปรแกรมจุดประกายแก้ปัญหาคล้าย Hadoop mapreduce ไม่ แต่ด้วยวิธีรวดเร็วในหน่วยความจำและทำความสะอาดหน้าที่รูปแบบ API กับความสามารถในการสร้างและวิเคราะห์เครื่องมือ inbuilt Hadoop แบบสอบถามแบบโต้ตอบ ( ฉลาม ) , การประมวลผลกราฟขนาดใหญ่และการวิเคราะห์ ( ขนมปัง ) และการวิเคราะห์แบบเรียลไทม์ ( ประกายสตรีมมิ่ง ) , มันสามารถโต้ตอบได้อย่างรวดเร็วและใช้กระบวนการสอบถามข้อมูล
ชุดใหญ่เพื่อให้โปรแกรมเร็วขึ้น จุดประกายให้สะอาด กระชับ APIs ใน Scala , Java และงูเหลือม นอกจากนี้คุณยังสามารถใช้จุดประกายโต้ตอบจาก Scala และเปลือกหลามอย่างรวดเร็วแบบสอบถามข้อมูลใหญ่ จุดประกายเป็นเครื่องยนต์หลังฉลาม มีทั้ง Apache รังเข้ากันได้ข้อมูลคลังสินค้าระบบที่สามารถวิ่งได้เร็วกว่ากลุ่ม 100x

จุดประกาย SQL เป็นหนึ่งเดียว การเข้าถึงข้อมูลที่มีโครงสร้าง
mllib เป็น Apache จุดประกายปรับขนาดเครื่องสตรีมมิ่งห้องสมุดแห่งการเรียนรู้ .
จุดประกายทำให้ง่ายต่อการสร้างระบบสตรีมมิ่งการใช้งาน
) .