Що таке MAPREDUCE Англійською - Англійська переклад

• mapreduce

Приклади вживання Mapreduce Українська мовою та їх переклад на Англійською

Застосування MapReduce.
Implementations of MapReduce.

Mapreduce з комбінатором сторонне приєднання карти.
Mapreduce with Combiner Map Side.

Глибокий занурення в Mapreduce.
Deep Dive in Mapreduce.

Інший спосіб поглянути на MapReduce- 5-кроків паралельних і розподілених обчислень:.
Another way to look at MapReduce is as a 5-step parallel and distributed computation:.

Google більше не використовує MapReduce.
Google no longer use this metric.

Hadoop MapReduce- реалізація моделі програмування MapReduce для обробки великих об'ємів даних.
Hadoop MapReduce- an implementation of the MapReduce programming model for large scale data processing.

Google більше не використовує MapReduce.
You think Google doesn't use PageRank anymore?

MapReduce забезпечує надійність за рахунок парцеляції ряду операцій по набору даних для кожного вузла в мережі.
MapReduce achieves reliability by parceling out a number of operations on the set of data to each node in the network.

Pig: це високорівнева платформа для створення програм MapReduce, що використовуються з Hadoop.
Pig: Pig is a high-level platform for creating MapReduce programs used with Hadoop.

Система MapReduce, яка буде вибудовувати 1100 Map-процесорів, і забезпечить кожного відповідним 1 млн. записів.
The MapReduce System would line up the 1100 Map processors, and would provide each with its corresponding 1 million input records.

Основне розуміння big data, розуміння різниці між MapReduce та обробкою в пам'яті;
Basic understanding of Big Data, understanding of difference between MapReduce and in-memory processing;

MapReduce та HDFS в Apache Hadoop's були натхненними статтями Google про їх алгоритм MapReduce та Google File System.
Apache Hadoop's MapReduce and HDFS components were inspired by Google papers on MapReduce and Google File System.

Розкол застосувати стратегію-об'єднати аналогічна рамках MapReduce, розробленої в Google(Dean and Ghemawat 2004; Dean and Ghemawat 2008).
The split-apply-combine strategy is similar to the MapReduce framework developed at Google(Dean and Ghemawat 2004; Dean and Ghemawat 2008).

Після цього фреймворк MapReduce збирає всі пари з однаковим ключем(k2) з усіх списків і групує їх разом, створюючи одну групу для кожного ключа.
After that, the MapReduce framework collects all pairs with the same key(k2) from all lists and groups them together, creating one group for each key.

Основні частини інфраструктури Google, включаючи Google File System, BigTable та MapReduce, використовують Chubby для синхронізації доступу до ресурсів, що розділяються.
Key parts of Google's infrastructure, including Google File System, Bigtable, and MapReduce, use Chubby to synchronize accesses to shared resources.

Для того, щоб мати можливість максимально використовувати наявні маперы і редюсеры, ETL, який є звичайною задачею Hadoop MapReduce, треба знати, як шардить вхідні дані.
To be able to maximally utilize the available mappers and reducers, the ETL job, which is an ordinary Hadoop MapReduce job, needs to know how to shard input data.

Хоча в програмах MapReduce звичайним є код на Java, для реалізації«map» та«reduce» частин користувацької програми можна використовувати будь-яку мову програмування завдяки«Hadoop Streaming».
Though MapReduce Java code is common, any programming language can be used with Hadoop Streaming to implement the map and reduce parts of the user's program.

Hadoop складається з пакету Hadoop Common, який надає абстракції операційної та файлової системи, рушій MapReduce(або MapReduce/MR1 або YARN/MR2)[20] та Hadoop Distributed File System(HDFS).
Hadoop consists of the Hadoop Common package, which provides filesystem and OS level abstractions, a MapReduce engine(either MapReduce/MR1 or YARN/MR2)[9] and the Hadoop Distributed File System(HDFS).

Завдання MapReduce повинні бути написані у вигляді програм ациклічного потоку, тобто без зіставлення з подальшим редуктор без громадянства, які виконуються за допомогою пакетного планувальника завдань.
MapReduce tasks must be written as acyclic dataflow programs, i.e. a stateless mapper followed by a stateless reducer, that are executed by a batch job scheduler.

Hadoop складається з пакету Hadoop Common, який надає абстракції операційної та файлової системи, рушій MapReduce(або MapReduce/MR1 або YARN/MR2) та Hadoop Distributed File System(HDFS).
Hadoop consists of the Hadoop Common package, which provides file system and operating system level abstractions, a MapReduce engine(either MapReduce/MR1 or YARN/MR2) and the Hadoop Distributed File System(HDFS).

Представлення імпорту інформації, MapReduce та Parallel Processing можна найкраще виконати з ними, оскільки після цього слід постійно змінювати об'єднані етапи дослідження, що знов стає менш вимогливими для них.
Data import visualization, MapReduce and Parallel Processing can be best achieved with them, as a result of which the integrated analysis platforms have to be constantly upgraded, which is again made easier by them.

Огляд конфігурації та важливий файл конфігурації, параметри та значення параметрів конфігурації, параметри HDFS, Параметри MapReduce, налаштування середовища Hadoop, файли конфігурації«Включити» та«Виключити», Lab: налаштування продуктивності MapReduce.
Configuration overview and important configuration file, Configuration parameters and values, HDFS parameters MapReduce parameters, Hadoop environment setup,‘Include' and‘Exclude' configuration files, Lab: MapReduce Performance Tuning.

Представлення імпорту інформації, MapReduce та Parallel Processing можна найкраще виконати з ними, оскільки після цього слід постійно змінювати об'єднані етапи дослідження, що знов стає менш вимогливими для них.
Information import representation, MapReduce and Parallel Processing can be best accomplished with them, as an aftereffect of which the incorporated investigation stages must be continually redesigned, which is again made less demanding by them.

MapReduce корисний в широкому спектрі додатків, в тому числі в розподіленому пошуку на основі шаблонів, розподіленого сортування, веб-посилання, сингулярної декомпозиції,[16] веб-доступу до журналу статистики, інвертованого індексу будівництва, документу кластеризації, машинного навчання,[17] і статистичного машинного перекладу.
MapReduce is useful in a wide range of applications, including distributed pattern-based searching, distributed sorting, web link-graph reversal, Singular Value Decomposition,[16] web access log stats, inverted index construction, document clustering, machine learning,[17] and statistical machine translation.

Розробка Bigtable розпочалась у 2004 році й зараз використовується рядом додатків Google, таких як веб-індексація, MapReduce, яка часто використовується для створення та модифікації даних, що зберігаються в Bigtable, Google Maps, пошуку у Google Книги,«Моя історія пошуку»(англ. My Search History), Google Earth, Blogger. com, хостинг Google Code, YouTube та Gmail.
Bigtable development began in 2004 and is now used by a number of Google applications, such as web indexing, MapReduce, which is often used for generating and modifying data stored in Bigtable, Google Maps, Google Book Search,"My Search History", Google Earth, Blogger. com, Google Code hosting, YouTube, and Gmail.

Система MapReduce буде потім вирівнювати 96 Reduce-процесорів шляхом виконання операції перемішування в пари ключ/значення через те, що нам треба дізнатись середній вік, і забезпечити кожного з його мільйонами відповідних вхідних записів.
The MapReduce System would then line up the 96 Reduce processors by performing shuffling operation of the key/value pairs due to the fact that we need average per age, and provide each with its millions of corresponding input records.

Якщо ввімкнено автоматичне масштабування, то база даних буде масштабуватися автоматично.[1] Крім того, адміністратори можуть запитувати зміни пропускної здатності, а DynamoDB поширюватиме дані та трафік на декілька серверів, використовуючи твердотільні накопичувачі, що забезпечує прогнозовану продуктивність.[2] Можлива інтеграція з Hadoop через Elastic MapReduce.
If Auto Scaling is enabled, then the database will scale automatically.[8] Additionally, administrators can request throughput changes and DynamoDB will spread the data and traffic over a number of servers using solid-state drives, allowing predictable performance.[2] It offers integration with Hadoop via Elastic MapReduce.

Використовуючи MapReduce, ключові значення k1 можуть бути цілими числами від 1 до 1100, кожен з яких представляє партію на 1 млн. записів, значення ключа k2 може бути віком людини в роках, а такий розрахунок може бути досягнуто з допомогою наступних функцій:.
Using MapReduce, the K1 key values could be the integers 1 through 1100, each representing a batch of 1 million records, the K2 key value could be a person's age in years, and this computation could be achieved using the following functions:.

Окремі теми охоплюють алгоритми MapReduce, алгоритм розробки алгоритму MapReduce, HDFS, кластерну архітектуру Hadoop, YARN, обчислювальні відносні частоти, вторинне сортування, сканування в Інтернеті, інвертовані індекси та компресія індексів, Spark алгоритми і Scala.
Specific topics covered include MapReduce algorithms, MapReduce algorithm design patterns, HDFS, Hadoop cluster architecture, YARN, computing relative frequencies, secondary sorting, web crawling, inverted indexes and index compression, Spark algorithms and Scala.

Програма MapReduce складається з процедури Map(), яка виконує функції фільтрації і сортування(наприклад, сортування студентів по імені в черзі, одна черга для кожного імені) і Reduce()(зменшення) метод, який виконує операцію додавання(наприклад, підрахунок кількості студентів в кожній черзі, поступаючись назва частотах).
A MapReduce program is composed of a Map() procedure(method) that performs filtering and sorting(such as sorting students by first name into queues, one queue for each name) and a Reduce() method that performs a summary operation(such as counting the number of students in each queue, yielding name frequencies).