
Paralleles CBAR-Verfahren im Hadoop-MapReduce-Rahmen
Versandkostenfrei!
Versandfertig in 6-10 Tagen
43,90 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
Das Clustering von Daten ist eine weit verbreitete Herausforderung in der Big-Data-Verarbeitung, und die Parallelisierung von Clustering-Vorgängen steigert die Effizienz von Anwendungen mit häufigen Suchvorgängen erheblich. Für die Datengruppierung stehen verschiedene Clustering-Techniken zur Verfügung, wobei CBAR in verschiedenen Anwendungen weit verbreitet ist. Die Parallelisierung von CBAR ist für Big Data unerlässlich, und die Hadoop MapReduce-Plattform bietet einen geeigneten Rahmen, um die Effizienz durch den Einsatz effektiver Segmentierungstechniken zu verbessern. In diesem Buch...
Das Clustering von Daten ist eine weit verbreitete Herausforderung in der Big-Data-Verarbeitung, und die Parallelisierung von Clustering-Vorgängen steigert die Effizienz von Anwendungen mit häufigen Suchvorgängen erheblich. Für die Datengruppierung stehen verschiedene Clustering-Techniken zur Verfügung, wobei CBAR in verschiedenen Anwendungen weit verbreitet ist. Die Parallelisierung von CBAR ist für Big Data unerlässlich, und die Hadoop MapReduce-Plattform bietet einen geeigneten Rahmen, um die Effizienz durch den Einsatz effektiver Segmentierungstechniken zu verbessern. In diesem Buch werden Algorithmen für CBAR unter Verwendung des MapReduce-Ansatzes entworfen und implementiert, wobei Tests auf Clustern mit bis zu 4 Knoten durchgeführt werden. Die Ergebnisse zeigen erhebliche Leistungssteigerungen, die anhand von anschaulichen Beispielen analysiert und diskutiert werden.