MAPREDUCE 日本語 意味 - 日本語訳 - 英語の例文

• mapreduce
• mapreduceのような

英語 での 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。

Use MapReduce to solve Big Data problems.
MapReduceを活用してビッグデータの問題を解決。

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

Implementing MapReduce with multiprocessing.
MultiprocessingでMapReduceを実装する。

They did it with a piece of software called MapReduce.
彼らはMapReduceと呼ばれるソフトウェアによってそれを行いました。

The MapReduce paper arrived as a deus ex machina.
Heraklesがdeusexmachinaとして登場。

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。

CouchDB uses MapReduce to compute the results of a view.
CouchDBはビューの結果を計算するのにMapReduceを用いる。

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

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。

MapReduce is Hadoop's native batch processing engine.
MapReduce*：MapReduceは、Hadoopのネイティブバッチ処理エンジンです。

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。

MapReduce: MapReduce is the native batch processing engine of Hadoop.
MapReduce*：MapReduceは、Hadoopのネイティブバッチ処理エンジンです。

It enables users with different data processing tools(Pig, MapReduce) to easily write data onto a grid.
これは、異なるデータ処理ツールを持つユーザー（豚、MapReduceのは）簡単にグリッド上にデータを書き込むことができます。

MapReduce has incredible scalability potential and has been used in production on tens of thousands of nodes.
MapReduceは信じられないほどのスケーラビリティの可能性を持ち、数万のノードで実稼働で使用されています。

The following year, Jeff and Sanjay rewrote Google's crawling and indexing system in terms of MapReduce tasks.
翌年、JeffとSanjayは、MapReduceを利用してGoogleのクローラーとインデックス作成システムを書き直しました。

Therefore, an implementation of the MapReduce framework was adopted by an Apache open source project named Hadoop.
そこで、MapReduceのフレームワークの実装のひとつがHadoopという名前で、Apacheのオープンソースプロジェクトで採択されました。

For instance, Apache Hadoop can be considered a processing framework with MapReduce as its default processing engine.
たとえば、*ApacheHadoopは、デフォルトの処理エンジンとしてMapReduceを備えた_処理フレームワーク_と見なすことができます。

Real-time MapReduce is suitable for analytic use cases and requires a central cluster and custom packaging, deployment, and monitoring.
リアルタイムMapReduceは分析的な用途に適していますが、運用には中央クラスタと独自のパッケージング、デプロイメント、監視が必要です。

Most notable is the addition of YARN,(Yet Another Resource Negotiator), which is a successor to Hadoop's MapReduce.
その中でも、最も注目すべきは、HadoopにおけるMapReduceの後継者となるYARN（YetAnotherResourceNegotiator）である。

This, in turn, creates multiple files between MapReduce phases, and this is very inefficient for advanced analytic computing.
その結果、MapReduceのフェーズ間で複数のファイルが作成されますが、これは高度な分析コンピューティングとしては効率が良くありません。

MapReduce is a programming paradigm that runs in the background of Hadoop to provide scalability and easy data-processing solutions.
MapReduceは拡張性と容易なデータ処理ソリューションを提供するためのHadoopのバックグラウンドで実行されたプログラミングパラダイムです。

By leveraging on-demand services such as Amazon Elastic MapReduce, Razorfish is able to drop their processing time to eight hours.
AmazonElasticMapReduceのようなオンデマンド・サービスを利用することで、レーザーフィッシュは処理時間を8時間にまで短縮できたのです。

Important: Google has transitioned support and further development of the Java and Python MapReduce libraries to the open source community.
重要:GoogleはJavaとPythonのMapReduceライブラリのサポートおよび今後の開発をオープンソースコミュニティに移行しました。

The company runs the Amazon Elastic MapReduce(EMR) service on Amazon EC2 Spot Instances to help them process huge amounts of data.
同社は、AmazonEC2スポットインスタンスでAmazonElasticMapReduce(EMR)サービスを実行し、膨大な量のデータ処理に役立てています。

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。

Core Apache Hadoop components(HDFS, MapReduce and YARN) and Apache Zookeeper will be updated annually and aligned with the ODPi consortium.
CoreApacheHadoopコンポーネント（HDFS、MapReduce、YARN）とApacheZookeeperは毎年アップデートされ、ODPiコンソーシアムに歩調を合わせる。

The most serious limitations of classical MapReduce are primarily related to scalability, resource utilization, and the support of workloads different from MapReduce.
従来のMapReduceに伴う最も重大な制約は、主にスケーラビリティー、リソース使用量、そしてMapReduce以外のワークロードのサポートに関係します。