Andere Kunden interessierten sich auch für
![Un traducteur SQL-MapReduce avancé et efficace pour améliorer les Big Data]( "Un traducteur SQL-MapReduce avancé et efficace pour améliorer les Big Data")
Un traducteur SQL-MapReduce avancé et efficace pour améliorer les Big Data32,99 €![Un efficiente traduttore avanzato da SQL a MapReduce per migliorare i Big Data]( "Un efficiente traduttore avanzato da SQL a MapReduce per migliorare i Big Data")
Un efficiente traduttore avanzato da SQL a MapReduce per migliorare i Big Data32,99 €![Um tradutor avançado e eficiente de SQL para MapReduce para melhorar os grandes volumes de dados]( "Um tradutor avançado e eficiente de SQL para MapReduce para melhorar os grandes volumes de dados")
Um tradutor avançado e eficiente de SQL para MapReduce para melhorar os grandes volumes de dados32,99 €![Wydajny zaawansowany translator SQL do MapReduce poprawiaj¿cy przetwarzanie du¿ych zbiorów danych]( "Wydajny zaawansowany translator SQL do MapReduce poprawiaj¿cy przetwarzanie du¿ych zbiorów danych")
Wydajny zaawansowany translator SQL do MapReduce poprawiaj¿cy przetwarzanie du¿ych zbiorów danych32,99 €![Practical Hive]( "Practical Hive")
Practical Hive45,99 €![Algorithms for Data Science]( "Algorithms for Data Science")
Algorithms for Data Science67,99 €![Information Systems Management in the Big Data Era]( "Information Systems Management in the Big Data Era")
Information Systems Management in the Big Data Era38,99 €
MapReduce hat sich zu einem effektiven Framework für die Verarbeitung und Analyse großer Datenmengen in großen Systemen entwickelt. Andererseits ist SQL Query notwendig, um einen effizienten und flexiblen SQL-Übersetzer für das MapReduce-Framework zu erstellen. Der Bedarf an einem optimierten SQL-Übersetzer, der komplexe Abfragen verarbeiten kann, ist sehr groß, da dies die Leistung der Datenanalyse bei wachsenden BigBig Data DataData steigern kann. Hive unterstützt Abfragen, die als HiveQL bezeichnet werden. HiveQL bietet die gleichen Funktionen wie SQL, ist jedoch für komplexe SQL-Abfragen immer noch schwierig zu handhaben. Folglich führt die manuelle Übersetzung von HiveQL oft zu einer schlechten Leistung. Außerdem hat sich Flink zu einem effektiven Framework für die Big-Data-Analyse in großen Clustersystemen entwickelt. Andererseits unterstützt FLink keine Abfragesprache. Daher ist die Entwicklung und Implementierung eines SQL-zu-Flink-Übersetzers erforderlich, um SQL-Abfragen über FLink auszuführen. Die Arbeit in diesem Buch berücksichtigt diese Einschränkungen von SQL-Übersetzern und schlägt zwei Beiträge vor, die als SQL-zu-MapReduce-Übersetzer zur Verbesserung der Big-Data-Analyse betrachtet werden können.