Isbn: 9786209534607 - Analisi Delle Caratteristiche Di Java E Map Reduce Su Hadoop (italian Edition) (11 results)

PAP. Condition: New. New Book. Shipped from UK. Established seller since 2000.

Condition: New.

PAP. Condition: New. New Book. Shipped from UK. Established seller since 2000.

Condition: New.

Taschenbuch. Condition: Neu. Analisi delle caratteristiche di Java e Map Reduce su Hadoop | Gurinder Pal Singh Gosal (u. a.) | Taschenbuch | Italienisch | 2026 | Edizioni Sapienza | EAN 9786209534607 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu. …

Taschenbuch. Condition: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware 52 pp. Italienisch.

Condition: New. Print on Demand.

Condition: New. PRINT ON DEMAND.

Paperback. Condition: new. Paperback. Hadoop, l'implementazione open source e basata su Java del framework Map/Reduce dell'Apache Software Foundation, e un framework di calcolo distribuito progettato per applicazioni distribuite ad alta intensita di dati. Fornisce gli strumenti per l'elaborazione di grandi quantita di dati utilizzando il framework Map/Reduce e, inoltre, implementa un file system distribuito simile al file system di Google. Puo essere utilizzato per elaborare grandi quantita di dati in parallelo su cluster di grandi dimensioni in modo affidabile e tollerante ai guasti. Da molto tempo Java viene utilizzato da molti programmatori per l'elaborazione dei dati. In questo libro abbiamo confrontato e analizzato le prestazioni di Hadoop con Java, Hadoop con Hadoop Optimize e Hadoop Optimize con Java in termini di diversi criteri di prestazione, quali l'elaborazione (utilizzo della CPU), l'archiviazione e l'efficienza durante l'elaborazione dei dati. I risultati dei nostri esperimenti mostrano un miglioramento dei tempi di esecuzione quando si utilizza l'algoritmo Map/Reduce ottimizzato. Confrontando Hadoop e Java, Hadoop e migliore quando si dispone di un cluster multi-nodo e la dimensione dei dati e grande. Tuttavia, quando si dispone di un singolo nodo e di dati di piccole dimensioni, anche Java puo funzionare meglio. This item is printed on demand. Shipping may be from our UK warehouse or from our Australian or US warehouses, depending on stock availability.…

Taschenbuch. Condition: Neu. This item is printed on demand - Print on Demand Titel. Neuware -Hadoop, l'implementazione open source e basata su Java del framework Map/Reduce dell'Apache Software Foundation, è un framework di calcolo distribuito progettato per applicazioni distribuite ad alta intensità di dati. Fornisce gli strumenti per l'elaborazione di grandi quantità di dati utilizzando il framework Map/Reduce e, inoltre, implementa un file system distribuito simile al file system di Google. Può essere utilizzato per elaborare grandi quantità di dati in parallelo su cluster di grandi dimensioni in modo affidabile e tollerante ai guasti. Da molto tempo Java viene utilizzato da molti programmatori per l'elaborazione dei dati. In questo libro abbiamo confrontato e analizzato le prestazioni di Hadoop con Java, Hadoop con Hadoop Optimize e Hadoop Optimize con Java in termini di diversi criteri di prestazione, quali l'elaborazione (utilizzo della CPU), l'archiviazione e l'efficienza durante l'elaborazione dei dati. I risultati dei nostri esperimenti mostrano un miglioramento dei tempi di esecuzione quando si utilizza l'algoritmo Map/Reduce ottimizzato. Confrontando Hadoop e Java, Hadoop è migliore quando si dispone di un cluster multi-nodo e la dimensione dei dati è grande. Tuttavia, quando si dispone di un singolo nodo e di dati di piccole dimensioni, anche Java può funzionare meglio.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 52 pp. Italienisch.…

Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Hadoop, l'implementazione open source e basata su Java del framework Map/Reduce dell'Apache Software Foundation, è un framework di calcolo distribuito progettato per applicazioni distribuite ad alta intensità di dati. Fornisce gli strumenti per l'elaborazione di grandi quantità di dati utilizzando il framework Map/Reduce e, inoltre, implementa un file system distribuito simile al file system di Google. Può essere utilizzato per elaborare grandi quantità di dati in parallelo su cluster di grandi dimensioni in modo affidabile e tollerante ai guasti. Da molto tempo Java viene utilizzato da molti programmatori per l'elaborazione dei dati. In questo libro abbiamo confrontato e analizzato le prestazioni di Hadoop con Java, Hadoop con Hadoop Optimize e Hadoop Optimize con Java in termini di diversi criteri di prestazione, quali l'elaborazione (utilizzo della CPU), l'archiviazione e l'efficienza durante l'elaborazione dei dati. I risultati dei nostri esperimenti mostrano un miglioramento dei tempi di esecuzione quando si utilizza l'algoritmo Map/Reduce ottimizzato. Confrontando Hadoop e Java, Hadoop è migliore quando si dispone di un cluster multi-nodo e la dimensione dei dati è grande. Tuttavia, quando si dispone di un singolo nodo e di dati di piccole dimensioni, anche Java può funzionare meglio.…