Katta hajmdagi ma'lumotlarni qayta ishlashda mapreduce modelining ahamiyati
Аннотация
PDF (yuklab olish)
Ushbu maqolada zamonaviy axborot texnologiyalarining muhim yo'nalishlaridan biri bo'lgan katta hajmdagi ma'lumotlarni qayta ishlash texnologiyalari va ulardan samarali foydalanish masalalari yoritilgan. Xususan, MapReduce modelining yaratilish tarixi, nazariy asoslari, ishlash prinsipi va taqsimlangan hisoblash tizimlaridagi ahamiyati batafsil tahlil qilingan. MapReduce modelining asosiy tarkibiy qismlari hisoblangan Mapper, Reducer va Combiner komponentlarining vazifalari, o'zaro bog'liqligi hamda ma'lumotlarni qayta ishlash jarayonidagi o'rni ko'rib chiqilgan. Maqolada Apache Hadoop platformasining MapReduce texnologiyasi bilan bog'liqligi, HDFS va YARN tizimlarining vazifalari ham yoritilgan. Maqolaning amaliy qismida Python dasturlash tili yordamida so'zlarni hisoblash misoli asosida Mapper, Combiner va Reducer komponentlarining ishlash jarayoni ko'rsatib berilgan. O'rganish natijasida MapReduce modeli katta hajmdagi ma'lumotlarni taqsimlangan muhitda qayta ishlash, hisoblash jarayonlarini tashkil etish va axborotlarni tahlil qilishda muhim texnologik yechim ekanligi asoslangan.
Kalit so'zlar: MapReduce, Big Data, Mapper, Reducer, Combiner, Hadoop, HDFS, YARN, taqsimlangan hisoblash, parallel qayta ishlash, ma'lumotlar tahlili, Python, axborot texnologiyalari
Библиографические ссылки
1. Dean J., Ghemawat S. MapReduce: Simplified Data Processing on Large Clusters. Communications of the ACM, 2008. Dastlabki ilmiy maqola 2004-yilda taqdim etilgan.
2. White T. Hadoop: The Definitive Guide. 4th Edition. O'Reilly Media, 2015.
3. Karau H., Konwinski A., Wendell P., Zaharia M. Learning Spark: Lightning-Fast Data Analytics. O'Reilly Media, 2015.
4. Apache Software Foundation. Apache Hadoop MapReduce Tutorial. Rasmiy texnik hujjatlar.
5. Apache Software Foundation. Hadoop Distributed File System (HDFS) Architecture. Rasmiy texnik hujjatlar.
6. Apache Software Foundation. Apache Hadoop YARN Documentation.
7. IBM. Big Data Analytics — texnik va o'quv materiallari.
8. Kleppmann M. Designing Data-Intensive Applications. O'Reilly Media, 2017.
9. Google Research. MapReduce: Simplified Data Processing on Large Clusters. https://research.google/pubs/mapreduce-simplified-data-processing-on-large-clusters/
10. Apache Hadoop rasmiy sayti. https://hadoop.apache.org/
11. Apache Spark rasmiy sayti. https://spark.apache.org
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.

