دانلود مقاله و خرید ترجمه:MapReduce: پردازش داده ساده شده در خوشه های بزرگ
دانلود بهترین مقالات isi همراه با ترجمه فارسی

کارابرن عزیز، مقالات سایت ( همگی جزو مقالات isi می باشند) بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (حتی محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi مانند IEEE، Sciencedirect، Springer، Emerald و ... انتخاب گردیده اند.

آگهی چاپ مقاله isi
ورود اعضا
توجه توجه توجه !!!!
نرم افزار winrar
پیشنهادات ویژه
پیوندهای کاربردی
پیوندهای مرتبط
مقالات ترجمه شده داده های بزرگ
  • MapReduce: پردازش داده ساده شده در خوشه های بزرگ

    سال انتشار:

    2016


    ترجمه فارسی عنوان مقاله:

    MapReduce: پردازش داده ساده شده در خوشه های بزرگ


    عنوان انگلیسی مقاله:

    MapReduce: Simplified Data Processing on Large Clusters


    منبع:

    USENIX Association OSDI ’04: 6th Symposium on Operating Systems Design and Implementation, 2016


    چکیده انگلیسی:

    MapReduce is a programming model and an associated implementation for processing and generating large data sets. Users specify a map function that processes a key/value pair to generate a set of intermediate key/value pairs, and a reduce function that merges all intermediate values associated with the same intermediate key. Many real world tasks are expressible in this model, as shown in the paper. Programs written in this functional style are automatically parallelized and executed on a large cluster of commodity machines. The run-time system takes care of the details of partitioning the input data, scheduling the program’s execution across a set of machines, handling machine failures, and managing the required inter-machine communication. This allows programmers without any experience with parallel and distributed systems to easily utilize the resources of a large distributed system. Our implementation of MapReduce runs on a large cluster of commodity machines and is highly scalable: a typical MapReduce computation processes many terabytes of data on thousands of machines. Programmers find the system easy to use: hundreds of MapReduce programs have been implemented and upwards of one thousand MapReduce jobs are executed on Google’s clusters every day.


    چکیده فارسی:

    MapReduce يک مدل برنامه نويسى و پياده سازى مرتبط براى پردازش و ايجاد مجموعه داده اى بزرگ است.کاربران يک تابع نگاشتى را که يک زوج کليد/مقدار را براى ايجاد مجموعه اى از زوج کليد/مقدار ميانى پردازش مى کند و يک تابع کاهش را که همه مقادير ميانى با همان کليد ميانى ادغام مى کند،مشخص مى کنند.بسيارى از کارهاى دنياى واقعى در اين مدل به همان صورتى که در اين مقاله نشان داده شده است،بيان مى شود. برنامه هاى نوشته شده در اين سبک تابع،به صورت خودکار بر روى کلاستر بزرگى از ماشين هاى کالا موازى سازى و اجرا شده است.سيستم زمان اجرا،از جزئيات پارتيشن بندى داده هاى ورودى،برنامه ريزى اجراى برنامه در سراسر مجموعه ماشين آلات،رسيدکى به خرابى هاى ماشين آلات و مديريت ارتباط بين ماشين آلات مورد نياز ،حفاظت می کند.اين به برنامه نويسان اين اجازه را داده تا بدون هيچ تجربه اى با سيستم هاى موتزى و توزيع شده،از منابع يک سيستم توزيع بزرگ به راحتى استفاده نمايند. پياده سازى MapReduce ما بر روى کلاستر بزرگ از ماشين آلات کالا، قابل اجرا و بسيار مقياس پذير است:محاسبات MapReduce معمول،ترابايت هاى داده بسيارى را بر روى هزاران ماشين آلات پردازش مى کند.برنامه نويسان يک سيستم که استفاده از آن آسان است را پيدا کرده اند:صدها برنامه MapReduce اجرا شده است و بیش از یک هزار شغل MapReduce هر روزه بر روى کلاسترهاى Google اجرا مى شود.


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 13
    تعداد صفحات فایل doc فارسی: 35

    حجم فایل: 294 کیلوبایت


    قیمت: 36000 تومان  32400 تومان(10% تخفیف)


    توضیحات اضافی:




تعداد نظرات : 2

فاطمه[1395/8/15]

میخواستم بدونم این مقاله پیاده سازی هم دارد ک شما برای پیاده سازی کنید؟

کاربر سایت[1395/8/15]

با سلام کاربر عزیز پیاده سازی نداره اید شبیه سازی کنید

الزامی
الزامی
الزامی
داده-های-بزرگ
موضوعات