HADOOP MAPREDUCE 日本語 意味 - 日本語訳 - 英語の例文

• hadoopmapreduceは

英語 での Hadoop mapreduce の使用例とその 日本語 への翻訳

You can do so by using Hadoop MapReduce.
ここではHadoopMapReduceを使用する。

Hadoop MapReduce helped power LinkedIn and Netflix.
HadoopMapReduceはLinkedInとNetflixのパワーアップも助けました。

You can do so by using Hadoop MapReduce.
これを使うと、HadoopMapReduceのJUnitテストを行うことができます。

Hadoop MapReduce is the heart of the Hadoop system.
ApacheHadoopApacheHadoopは、このエコシステムの核心部分です。

The difference here is that we will use Hadoop MapReduce.
ここではHadoopMapReduceを使用する。

Hadoop MapReduce contributed to the success of LinkedIn and Netflix.
HadoopMapReduceはLinkedInとNetflixのパワーアップも助けました。

The obvious reason to use Spark over Hadoop MapReduce is speed.
HadoopMapReduceではなくSparkを使用する明白な理由は、速度です。

Running with Hadoop, MapReduce enables it to perform parallel batch processing.
MapReduceはHadoopとともに動作し、Hadoopが並列バッチ処理を行うことを可能にする。

Spark's performance is generally considerably faster than Hadoop MapReduce.
一般的に、Sparkのパフォーマンスは、HadoopMapReduceよりもかなり高速です。

Hadoop MapReduce is also constrained by its static slot-based resource management model.
HadoopMapReduceは静的なスロットベースのリソースマネジメントモデルによっても制約されています。

Compuware APM Dynatrace 5.5 has built-in support for Hadoop MapReduce.
CompuwareAPMDynatrace5.5はHadoopMapReduceをビルトインサポートしています。

To transform the data in Hadoop MapReduce and then to export the data back into an RDBMS.
その後、HadoopMapReduceでデータを変換してから、再びRDBMSにエクスポートし直すことができます。

Spark has gained popularity over the past few years as an alternative to Hadoop MapReduce.
この数年、SparkはHadoopMapReduceの代わりとなる手段として人気を得ています。

Hadoop MapReduce- an implementation of the MapReduce programming model for large scale data processing.
HadoopMapReduceデザインパターン:MapReduceによる大規模テキストデータ処理。

Splunk integrates its own code with Hadoop MapReduce, allowing in-place analysis of Hadoop data.
Splunkは独自のコードをHadoopMapReduceと統合し、Hadoopデータのインプレース分析を可能にします。

Hadoop MapReduce and Hive are designed for large-scale, reliable computation, and are optimized for overall system throughput.
HadoopMapReduceとHiveは大規模で信頼性の高い処理のために設計され、システム全体のスループットに最適化されている。

Apache Spark attracts a lot of attention as a faster distributed processing engine than Hadoop MapReduce, written in Scala.
分散処理基盤であるHadoopMapReduceより高速に処理できるとして、Scalaで実装されたApacheSparkが注目を集めています。

Asakusa Framework™ supports Hadoop® MapReduce, Spark™ and M3 for BP as its parallel distributed processing engine.
AsakusaFramework™は、その並列分散処理エンジンとしてHadoop®MapReduce、Spark™およびM3forBPに対応しています。

Although there were several open source implementations of the MapReduce model, Hadoop MapReduce quickly became the most popular.
MapReduceモデルのオープンソース実装は、いくつか種類があるにもかかわらず、HadoopMapReduceは瞬く間に最もよく使用される実装になりました。

One major difference from our previous Hadoop MapReduce implementation is that Corona uses push-based, rather than pull-based, scheduling.
従来のHadoopMapReduceの実装との大きな違いのひとつは、Coronaはプルではなくプッシュベースのスケジューリングを採用していることです。

It is based on Hadoop MapReduce and it extends the MapReduce model to efficiently use it for more types of computations, which includes interactive queries and stream processing.
これは、HadoopのMapReduceの上に構築され、それが効率的に対話型クエリとストリーム処理が含ま計算のより多くの種類を使用するようにMapReduceのモデルを拡張します。

Customers such as Descartes Labs have already found them to be a great option for workloads like Hadoop MapReduce, visual effects rendering, financial analytics, and other computationally expensive workloads.
DescartesLabsなどのお客様は、HadoopMapReduceや視覚的効果のレンダリング、財務分析、その他の計算処理などのワークロードにとって、プリエンプティブルVMが素晴らしいオプションになりうることをすでに理解されています。

It was built on top of Hadoop MapReduce and it extends the MapReduce model to efficiently use more types of computations which includes Interactive Queries and Stream Processing.
これは、HadoopのMapReduceの上に構築され、それが効率的に対話型クエリとストリーム処理が含ま計算のより多くの種類を使用するようにMapReduceのモデルを拡張します。

Using MapReduce and load balancing on the cloud Read"Using MapReduce and load balancing on the cloud" to learn how to implement the Hadoop MapReduce framework in a cloud environment and how to use virtual load balancing to improve the performance of both a single- and multiple-node system.
クラウドでMapReduceを使用してロード・バランシングを行う」を読んで、クラウド環境でHadoopのMapReduceフレームワークを実装する方法と、仮想的なロード・バランシングを使って単一ノード・システムと複数ノード・システム両方のパフォーマンスを改善する方法を学んでください。

Cloudera's mission is to bring the power of Hadoop, MapReduce, and distributed storage to companies of all sizes in the enterprise, Internet and government sectors.
Clouderaの使命は、Hadoop、MapReduceそして分散ストレージの能力を、あらゆる企業、ネット、そして公共機関にもたらすことです。

Many people today are still struggling with applicability of Hadoop and MapReduce for solving their business problems.
現在も多くの人々が，自らのビジネス問題の解決に対するHadoopとMapReduceの適用性に苦慮している。