Andere Kunden interessierten sich auch für
![Una tecnica di standardizzazione dei Big Data per le applicazioni di gestione dei dati]( "Una tecnica di standardizzazione dei Big Data per le applicazioni di gestione dei dati")
Una tecnica di standardizzazione dei Big Data per le applicazioni di gestione dei dati29,99 €![Uma Grande Técnica de Padronização de Dados para Aplicação de Gestão de Dados]( "Uma Grande Técnica de Padronização de Dados para Aplicação de Gestão de Dados")
Uma Grande Técnica de Padronização de Dados para Aplicação de Gestão de Dados29,99 €![Une technique de normalisation du Big Data pour l'application de gestion des données]( "Une technique de normalisation du Big Data pour l'application de gestion des données")
Une technique de normalisation du Big Data pour l'application de gestion des données29,99 €![Die Big-Data-Odyssee - Einblicke, Innovation und Auswirkungen]( "Die Big-Data-Odyssee - Einblicke, Innovation und Auswirkungen")
Die Big-Data-Odyssee - Einblicke, Innovation und Auswirkungen79,90 €![Hadoop-Ökosystem, YARN, NoSQL, MongoDB, Spark & Scala-Leitfaden]( "Hadoop-Ökosystem, YARN, NoSQL, MongoDB, Spark & Scala-Leitfaden")
Hadoop-Ökosystem, YARN, NoSQL, MongoDB, Spark & Scala-Leitfaden60,90 €![Modello di costo per HPCaaS sul cloud]( "Modello di costo per HPCaaS sul cloud")
Modello di costo per HPCaaS sul cloud26,99 €![Eine Technik zur Standardisierung von Big Data für Datenmanagement-Anwendungen]( "Eine Technik zur Standardisierung von Big Data für Datenmanagement-Anwendungen")
Eine Technik zur Standardisierung von Big Data für Datenmanagement-Anwendungen43,90 €
A geração de grandes volumes de dados, também conhecidos com Big Data, vem se tornando muito comum em ambientes acadêmicos e corporativos. Nesse contexto, é essencial que as aplicações que processam Big Data explorem da melhor forma possível as infraestruturas distribuídas de alto desempenho, possivelmente presentes nesses ambientes, através da implantação dessas aplicações sobre sistemas de computação intensiva de dados tais como o popular Hadoop. No que diz respeito à configuração desta plataforma, observa-se uma quantidade considerável de parâmetros que devem ser ajustados e os quais os usuários normalmente não têm noção de como fazê-los, resultando em um Hadoop mal configurado e com um desempenho aquém do seu real potencial. Este trabalho propõe um processo para auxiliar a configuração eficiente do Hadoop através do uso de técnicas empíricas que utilizam subespaços de parâmetros dessa plataforma, e da aplicação de análises estatísticas para verificar a relevância dos mesmos, extraindo os valores otimizados em função do subespaço de parâmetros considerado.