
Ein effizienter fortschrittlicher SQL-zu-MapReduce-Übersetzer zur Verbesserung von Big Data
Versandkostenfrei!
Versandfertig in 6-10 Tagen
49,90 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
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-A...
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.