Name: Guide to High Performance Distributed Computing: Case Studies with Hadoop, Scalding and Spark (en Inglés)
Price: 1216.38 MXN
Availability: InStock
Author: Srinivasa, K. G. ; Muppalla, Anil Kumar
ISBN: 9783319134963

Envío gratis

portada Guide to High Performance Distributed Computing: Case Studies with Hadoop, Scalding and Spark (en Inglés)

Formato

Libro Físico

Autor

K. G. Srinivasa

Anil Kumar Muppalla

Editorial

Springer

Idioma

Inglés

N° páginas

304

Encuadernación

Tapa Dura

Dimensiones

23.4 x 15.6 x 1.9 cm

Peso

0.63 kg.

ISBN13

9783319134963

N° edición

2015th

Categorías

Hardware de redes
Programación informática - desarrollo de software
Redes cliente-servidor

Guide to High Performance Distributed Computing: Case Studies with Hadoop, Scalding and Spark (en Inglés)

K. G. Srinivasa (Autor) · Anil Kumar Muppalla (Autor) · Springer · Tapa Dura

Libro Nuevo

$ 1,216.38

$ 2,432.77

Ahorras: $ 1,216.38

50% descuento

Envío normal

Origen: Reino Unido (Costos de importación incluídos en el precio)

Se enviará desde nuestra bodega entre el Lunes 24 de Junio y el Martes 02 de Julio.

Lo recibirás en cualquier lugar de México entre 1 y 3 días hábiles luego del envío.

Reseña del libro "Guide to High Performance Distributed Computing: Case Studies with Hadoop, Scalding and Spark (en Inglés)"

This timely text/reference describes the development and implementation of large-scale distributed processing systems using open source tools and technologies. Comprehensive in scope, the book presents state-of-the-art material on building high performance distributed computing systems, providing practical guidance and best practices as well as describing theoretical software frameworks. Features: describes the fundamentals of building scalable software systems for large-scale data processing in the new paradigm of high performance distributed computing; presents an overview of the Hadoop ecosystem, followed by step-by-step instruction on its installation, programming and execution; Reviews the basics of Spark, including resilient distributed datasets, and examines Hadoop streaming and working with Scalding; Provides detailed case studies on approaches to clustering, data classification and regression analysis; Explains the process of creating a working recommender system using Scalding and Spark.