MAPREDUCE 日语是什么意思 - 日语翻译

• mapreduce

在 中文 中使用 Mapreduce 的示例及其翻译为 日语

MapReduce的产生背景.
MapReduceが作られた背景。

下一步，确认MapReducejobtracker。
次は、MapReduceのjobtrackerを特定します。

MapReduce的一个缺点是开发周期太长。
CFRTSの欠点は，サイクルタイムが長いことだ。

第三个参数是持有MapReduce结果的对象的名称。
番目の引数は、MapReduceの結果を保持するオブジェクトの名前です。

问：可以在群集上同时运行Impala和MapReduce吗？?
Q:クラスターでImpalaとMapReduceを同時に実行できますか?

MapReduce非常简单，能够轻松消化各类新型任务。
MapReduceはとてもシンプルなので、様々な新しい作業に応用する事ができました。

例如，Amazon在AmazonElasticMapReduce中使用它。
これらは、AmazonElasticMapReduceで使用するReadアクションです。

MapReduce从名称上面可以看到Map以及Reduce两个部分。
MapReduceは、その名の通りMapとReduceの2つの処理がある。

这意味着MapReduce没有机会优化或者检查用户的代码。
つまり、MapReduceにはユーザー・コードを最適化する機会も、チェックする機会もないということです。

如今很多人仍面临应用Hadoop和MapReduce解决业务问题的困扰。
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。

HadoopMapReduce还帮助驱动了LinkedIn和Netflix。
HadoopMapReduceはLinkedInとNetflixのパワーアップも助けました。

X版本开始，Hive和Pig便将ApacheTez用作执行引擎使用来代替HadoopMapReduce。
X以降の場合、HiveやPigでは、実行エンジンとしてHadoopMapReduceの代わりにApacheTezが使用されています。

HadoopMapReduce帮助推动了LinkedIn和Netflix的发展。
HadoopMapReduceはLinkedInとNetflixのパワーアップも助けました。

Cafarella共同开发而成，采用MapReduce编程模型，可快速从节点存储和检索数据。
Cafarella氏によって開発されたHadoopは、MapReduceプログラミングモデルを使用して、ノードからのデータの格納と検索を高速で実行します。

在HadoopMapReduce中，JobTracker具有两种不同的职责：.
HadoopMapReduceでは、JobTrackerに次の2つの異なる責任が課せられます。

接下来，我们可以使用以下命令来运行MapReducehadoop-mapreduce-examples程序，这是一个包含多个选项的Java归档文件。
次に、いくつかのオプションがあるJavaアーカイブであるMapReduceの'+hadoop-mapreduce-examples'プログラムを実行します。

在HadoopMapReduce中，JobTracker具有两种不同的职责：.
スケーラビリティーの問題への対処HadoopMapReduceでは、JobTrackerに次の2つの異なる責任が課せられます。

如果mr的ObjectVisibility属性设置为'On'（默认值），则mr将定义所有mapreduce算法和tall数组计算的执行环境。
MrのObjectVisibilityプロパティが'On'(既定値) に設定されている場合、mrはすべてのmapreduceアルゴリズムとtall配列計算の実行環境を定義します。

在MapReduce中，在map阶段和reduce阶段的内部的数据处理对于系统来说是不透明的。
MapReduceでは、mapフェーズおよびreduceフェーズ内のデータ処理はシステムに明らかになりません。

Jobtracker守护进程请求datanode执行MapReduce作业，这会产生相当多的输出（这里的输出比较少是因为只处理两个文件）。
JobtrackerデーモンがdatanodeにMapReduceジョブの実行を要求すると、かなりの出力が生成されることになります(この例で処理するファイルは2つだけなので、比較的少ない出力となります)。

MapReduce的可靠性曾经在一个由1800台服务器组成的集群进行维护时经受住了严格考验。
以前、1800台のサーバで構成されるクラスタでの保守作業中に、本格的なMapReduceの信頼性のテストが行われた。

MRv2是经典MapReduce引擎（现在称为MRv1）的重现，运行在YARN之上。
MRv2は単に、従来の(現在はMRv1と呼ばれるようになった)MapReduceエンジンを、YARNをベースに実行するように再実装したものです。

MapReduce模型尽管拥有诸多优势，但并不适合交互式查询和实时数据处理，因为它在各处理阶段之间依赖于磁盘写入。
MapReduceモデルには多くの利点がありますが、処理の各段階間のディスク書き込みに依存するため、インタラクティブなクエリやリアルタイムのデータ処理では効率的ではありません。

AWS服务，如Sagemaker、ElasticMapReduce和许多其他在定制化AmazonMachineImages上设计的服务，在开发模型的时候，都需要从训练大型数据集开始。
SagemakerやElasticMapReduce、ならびにカスタムビルドのAmazonMachineImagesで設計された他のたくさんのAWSのサービスでは、大規模なデータセットでトレーニングを始めるために、モデル開発が必要になります。

MapReduce，BigTable，Dremel等基礎架構軟體的創新，讓使用者能更加快速的存取引領產業的Google創新技術。
MapReduce、BigTable、Dremelなどのソフトウェアインフラストラクチャの革新でも業界をリードしてきたGoogleの革新的技術へより速くアクセスできるようになります。

其他开源的大数据解决方案自Google在2004年推出MapReduce范式以来，已诞生了多个使用原始MapReduce范式（或拥有该范式的质量）的解决方案。
オープンソースのその他のビッグ・データ・ソリューションGoogleが2004年にMapReduceパラダイムを導入して以来、このオリジナルのMapReduceパラダイムを使用した(またはその品質を持つ)いくつかのソリューションが登場しています。

相比HadoopMapReduce，Spark的资源消耗更大，可能会对需要在同一时间使用集群的其他任务产生影响。
HadoopのMapReduceと比較すると、Sparkはかなり多くのリソースを使用するため、その時点でクラスターを使用しようとしている他のタスクに干渉する可能性があります。

最初，MapReduce框架的主要应用侧重于分析非常大型的非结构化数据集，比如Web索引编制、文本分析和图形数据挖掘。
元々、MapReduceフレームワークの主なアプリケーションが焦点としていたのは、Web索引付け、テキスト分析、グラフ・データ・マイニングなどの極めて大きな非構造化データセットの分析です。

尽管MapReduce模型存在着多种开源实现，但HadoopMapReduce很快就变得非常流行。
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。

GFS、Nova、Pig和MapReduce从架构的角度看，除了使用OpenStack的Swift实现可扩展存储外，可能还有其他选择。
GFS、Nova、Pig、そしてMapReduceアーキテクチャーの観点で見ると、OpenStackのSwiftを使用してスケーラブルなストレージを実現する他にも選択肢があります。