فایل ورد کامل MapReduce: پردازش داده ساده شده در خوشه های بزرگ

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل MapReduce: پردازش داده ساده شده در خوشه های بزرگ،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۴۰ صفحه

MapReduce یک مدل برنامه نویسى و پیاده سازى مرتبط براى پردازش و ایجاد مجموعه داده اى بزرگ است.کاربران یک تابع نگاشتى را که یک زوج کلید/مقدار را براى ایجاد مجموعه اى از زوج کلید/مقدار میانى پردازش مى کند و یک تابع کاهش را که همه مقادیر میانى با همان کلید میانى ادغام مى کند،مشخص مى کنند.بسیارى از کارهاى دنیاى واقعى در این مدل به همان صورتى که در این مقاله نشان داده شده است،بیان مى شود.
برنامه هاى نوشته شده در این سبک تابع،به صورت خودکار بر روى کلاستر بزرگى از ماشین هاى کالا موازى سازى و اجرا شده است.سیستم زمان اجرا،از جزئیات پارتیشن بندى داده هاى ورودى،برنامه ریزى اجراى برنامه در سراسر مجموعه ماشین آلات،رسیدکى به خرابى هاى ماشین آلات و مدیریت ارتباط بین ماشین آلات مورد نیاز ،حفاظت می کند.این به برنامه نویسان این اجازه را داده تا بدون هیچ تجربه اى با سیستم هاى موتزى و توزیع شده،از منابع یک سیستم توزیع بزرگ به راحتى استفاده نمایند.
پیاده سازى MapReduce ما بر روى کلاستر بزرگ از ماشین آلات کالا، قابل اجرا و بسیار مقیاس پذیر است:محاسبات MapReduce معمول،ترابایت هاى داده بسیارى را بر روى هزاران ماشین آلات پردازش مى کند.برنامه نویسان یک سیستم که استفاده از آن آسان است را پیدا کرده اند:صدها برنامه MapReduce اجرا شده است و بیش از یک هزار شغل MapReduce هر روزه بر روى کلاسترهاى Google اجرا مى شود.

عنوان انگلیسی:

MapReduce: Simplified Data Processing on Large Clusters

~~en~~ writers :

Jeffrey Dean and Sanjay Ghemawat

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.

$$en!!