Un traductor avanzado y eficiente de SQL a MapReduce para mejorar Big Data
Versandkostenfrei!
Versandfertig in 1-2 Wochen
33,99 €
inkl. MwSt.
PAYBACK Punkte
17 °P sammeln!
MapReduce se ha convertido en un marco eficaz para procesar y analizar grandes volúmenes de datos en sistemas de gran tamaño. Por otro lado, la consulta SQL es necesaria para construir un traductor SQL eficiente y flexible para el marco MapReduce. La necesidad de un traductor SQL optimizado que pueda hacer frente a consultas avanzadas es muy necesaria, lo que puede aumentar el rendimiento del análisis de datos con el crecimiento de BigBig Data DataData. Hive soporta consultas llamadas HiveQL. HiveQL ofrece las mismas características que SQL, pero sigue siendo difícil tratar consultas SQL ...
MapReduce se ha convertido en un marco eficaz para procesar y analizar grandes volúmenes de datos en sistemas de gran tamaño. Por otro lado, la consulta SQL es necesaria para construir un traductor SQL eficiente y flexible para el marco MapReduce. La necesidad de un traductor SQL optimizado que pueda hacer frente a consultas avanzadas es muy necesaria, lo que puede aumentar el rendimiento del análisis de datos con el crecimiento de BigBig Data DataData. Hive soporta consultas llamadas HiveQL. HiveQL ofrece las mismas características que SQL, pero sigue siendo difícil tratar consultas SQL complejas. Además, Flink se ha convertido en un marco eficaz para el análisis de Big Data en grandes sistemas de clúster. Por otro lado, FLink no soporta ningún lenguaje de consulta. Por lo tanto, es necesario diseñar e implementar un traductor de SQL a FLink para ejecutar consultas SQL sobre FLink. El trabajo de este libro adopta estas limitaciones de los traductores SQL y propone dos contribuciones que se consideran traductores de SQL a MapReduce para mejorar el análisis de Big Data.
Andere Kunden interessierten sich für
