CLOUD DATAFLOW Meaning in Japanese - translations and usage examples

• cloud dataflow

Examples of using Cloud dataflow in English and their translations into Japanese

Cloud dataflow is the result.
CloudDataflowがそのひとつです。

It may also help Google Cloud Dataflow.
また、GoogleCloudDataflowを使用することも可能です。

Google Cloud Dataflow is designed to deal with exactly that.
GoogleCloudDataflowはこうした要求を満たすように設計されました。

How do we build an efficient ETL engine like Cloud Dataflow?
またGoogleは、CloudDataflowのような効率的なETLエンジンをどのように構築するのでしょうか。

Google Cloud Dataflow is designed to meet these requirements.
GoogleCloudDataflowはこうした要求を満たすように設計されました。

Just write a program, submit it and Cloud Dataflow will do the rest.
ただプログラムを書いてサブミットすれば、CloudDataflowが残りの作業をやってくれます。

Google donated the Cloud Dataflow programming model and SDKs to the Apache Beam project.
GoogleはCloudDataflowプログラミングモデルとSDKをApacheBeamプロジェクトに寄付しました。

Deploy a Java application using Maven to process data with Cloud Dataflow.
Mavenを使用してJavaアプリケーションをデプロイし、CloudDataflowでデータを処理します。

Cloud Dataflow was designed to simplify big data for both streaming and batch workloads.
CloudDataflowはバッチデータとストリーミングデータの両方でビッグデータを単純化するために設計されています。

Cloud Datalab also includes support for Tensorflow and Cloud Dataflow.
また、CloudDatalabは、TensorflowおよびCloudDataflowもサポートしています。

Next, Cloud Dataflow asks these workers to give away part of their unprocessed work(e.g., a sub-range of a file or a key range).
次に、CloudDataflowはこのようなワーカーに対して、未処理作業の一部（ファイルやキーレンジのサブレンジなど）を切り離すよう求めます。

If you need to delete a large number of entities, we recommend using Cloud Dataflow to delete entities in bulk.
多数のエンティティを削除する必要がある場合は、CloudDataflowを使用してエンティティを一括削除することをおすすめします。

Cloud Dataflow can perform such an adjustment dynamically, without losing or duplicating parts of the work executed so far on the three workers.
CloudDataflowはそうした調整を動的に行うことができ、3ワーカー上ですでに実行された作業の一部が失われたり、複製されたりすることはありません。

These challenges make dynamic work rebalancing one of the most intricate and unique features in Cloud Dataflow.
これらの課題に対処しなければならないことから、動的なワークリバランシングは、CloudDataflowで最も複雑かつユニークな機能の1つとなっています。

Because of its autoscaling and ease of deployment, Cloud Dataflow is an ideal location to run Cloud Dataflow/Apache Beam workflows.
自動スケーリングとデプロイの容易さから、CloudDataflowはDataflow/ApacheBeamワークフローを実行するための理想的な場所です。

We have translated our experience from MapReduce, FlumeJava, and MillWheel into a single product, Google Cloud Dataflow.
MapReduce、FlumeJava、MillWheelなどにおける経験をGoogleCloudDataflowという1つの製品に実現しました。

Using a small Google Cloud Dataflow configuration, we were able to generate replenishment orders in real-time for over 50,000 point-of-sale transactions per minute.
小さなGoogleCloudDataflow構成のおかげで、リアルタイムに毎分5万件以上のPOS取引補充注文を生み出すこともできました。

To gather this data, BNE used a combination of Cloud Pub/Sub and Cloud Dataflow to transform users' data in real-time and insert it into BigQuery.
このデータを収集するため、BNEはCloudPub/SubとCloudDataflowを組み合わせてユーザーデータをリアルタイムで変換し、BigQueryに転送することにしました。

Its integration with Cloud Dataflow also enables seamless report generation in Data Studio, which gave the team a deeper understanding of how the process works.
また、CloudDataflowとの統合によってDataStudioでのシームレスなレポート作成が可能になり、チームはプロセスの動きを深く理解できるようになりました。

The specific datasets used for this lab are the aggregated datasets developed in the previous lab in this quest, Processing Time Windowed Data with Apache Beam and Cloud Dataflow(Java).
このラボで実際に使用するのは、このクエストの前回のラボ（ApacheBeamとCloudDataflowを使用したタイムウィンドウデータの処理（Java））で作成した集計データセットです。

Cloud ML Engine is integrated with Cloud Dataflow for data pre-processing, which can access data stored in both Cloud Storage and BigQuery.
AIPlatformは、データ前処理のためにCloudDataflowと統合されており、CloudStorageとBigQueryの両方に保存されているデータにアクセスできます。

Google aims to show enterprises how to process logs from many sources and extract meaningful information by using Google Cloud Platform and Google Cloud Dataflow.
Googleは、企業に、多くのソースから、ログを処理する方法と、GoogleCloudPlatformとGoogleCloudDataflowを使用して、意味のある情報を抽出する方法を示すことを目指している。

Stream processing: As data is ingested by Cloud Pub/Sub, Cloud Dataflow can be used to transform and load the data into Cloud Bigtable.
ストリーム処理:CloudPub/Subによりデータが取り込まれると、CloudDataflowを使用してそのデータを変換し、CloudBigtableに読み込むことができます。

Data Analytics: Cloud Dataflow can process data pipelines that combine the vehicle device data with corporate vehicle and customer data, then store the combined data in BigQuery.
データ分析:CloudDataflowは、クルマのデバイスデータと企業の車両および顧客データを結合するデータパイプラインを処理し、結合後のデータをBigQueryに格納します。

The team behind the fast-growing Apache Flink project has released a Cloud Dataflow runner for Flink, allowing any Dataflow program to execute on a Flink cluster.
急成長するApacheFlinkプロジェクトを推進しているチームは、FlinkのためのCloudDataflowランナーをリリースし、どんなDataflowプログラムもFlinkクラスタで実行可能になりました。

Cloud Dataflow provides the ability to process data pipelines that combine the vehicle device data with the corporate vehicle and customer data, and then store the combined data in BigQuery.
CloudDataflowは、クルマのデバイスデータと企業の車両および顧客データを結合するデータパイプラインを処理し、結合後のデータをBigQueryに格納します。

Because it supports the HBase API, Cloud Bigtable can be integrated with all the existing applications in the Hadoop ecosystem, but it also supports Google's Cloud Dataflow.
HBaseのAPIをサポートしているから、CloudBigtableをHadoopのエコシステム内の既存のアプリケーションと統合することも可能だが、また同時に、GoogleのCloudDataflowもサポートしている。

Google Cloud Dataflow will remain as a“no-ops” managed service to execute Dataflow pipelines quickly and cost-effectively in Google Cloud Platform.
GoogleCloudDataflowは今後も、DataflowパイプラインをGoogleCloudPlatform で高速かつ経済的に実行できる“no-ops”のマネージドサービスであり続けます。

Stragglers are a frequent issue in large scale data processing systems, and their impact is particularly significant when scaling to thousands of cores(something that Cloud Dataflow makes very accessible).
ストラグラーは、大規模なデータ処理システムで頻繁に発生する問題であり、その影響は数千コア（CloudDataflowでは非常に容易にアクセスできます）にスケーリングしたときに特に大きくなります。