Name: Analyse der Funktionen von Java und Map Reduce auf Hadoop (en Alemán)
SKU: 66747869
Price: 970.03 MXN
Availability: InStock
Author: Gosal, Gurinder Pal Singh; Kaur, Livjit
ISBN: 9786209479960

portada Analyse der Funktionen von Java und Map Reduce auf Hadoop (en Alemán)

Analyse der Funktionen von Java und Map Reduce auf Hadoop (en Alemán)

Formato

Libro Físico

Editorial

Verlag Unser Wissen

Autor

Gosal, Gurinder Pal Singh; Kaur, Livjit

Idioma

Alemán

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9x15.2x0.3 cm

ISBN13

9786209479960

Analyse der Funktionen von Java und Map Reduce auf Hadoop (en Alemán)

Gosal, Gurinder Pal Singh; Kaur, Livjit (Autor) · Verlag Unser Wissen · Tapa Blanda

Libro Nuevo Importado

Envío: 22 a 27 días háb.

$ 1,763.69$ 970.03

-45%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 970.03

¡Envío Gratis! Llega entre el 21 Sep y el 29 Sep a CUAUHTÉMOC, Ciudad de México. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Analyse der Funktionen von Java und Map Reduce auf Hadoop (en Alemán)"

Hadoop, die Open-Source- und Java-basierte Implementierung des Map/Reduce-Frameworks der Apache Software Foundation, ist ein verteiltes Computing-Framework, das für datenintensive verteilte Anwendungen entwickelt wurde. Es bietet Tools für die Verarbeitung gro er Datenmengen mithilfe des Map/Reduce-Frameworks und implementiert darüber hinaus ein verteiltes Dateisystem, das dem Dateisystem von Google ähnelt. Es kann verwendet werden, um gro e Datenmengen parallel auf gro en Clustern auf zuverlässige und fehlertolerante Weise zu verarbeiten. Java wird seit langem von vielen Programmierern für die Datenverarbeitung verwendet. In diesem Buch haben wir die Leistung von Hadoop mit Java, Hadoop mit Hadoop Optimize und Hadoop Optimize mit Java anhand verschiedener Leistungskriterien wie Verarbeitung (CPU-Auslastung), Speicher und Effizienz bei der Datenverarbeitung verglichen und analysiert. Unsere Versuchsergebnisse zeigen eine Verbesserung der Ausführungszeit bei Verwendung des optimierten Map/Reduce-Algorithmus. Beim Vergleich von Hadoop und Java ist Hadoop besser, wenn wir einen Multi-Node-Cluster haben und die Datenmenge gro ist. Wenn wir jedoch einen einzelnen Node und eine kleine Datenmenge haben, kann sogar Java eine bessere Leistung erzielen.