MapReduce stäo siż skutecznym frameworkiem do przetwarzania i analizowania ogromnych zbiorów danych w dużych systemach. Z drugiej strony, zapytania SQL sż niezbżdne do stworzenia wydajnego i elastycznego translatora SQL do frameworka MapReduce. Istnieje pilna potrzeba stworzenia zoptymalizowanego translatora SQL, który bżdzie w stanie obsżużyż zaawansowane zapytania, co pozwoli zwiżkszyż wydajnożż analizy danych wraz z rosnżcż ilożciż danych BigBig Data DataData. Hive obsżuguje zapytania zwane HiveQL. HiveQL oferuje te same funkcje co SQL, ale nadal trudno jest obsżużyż zżożone zapytania SQL. W rezultacie rżczne tżumaczenie HiveQL czżsto prowadzi do sżabej wydajnożci. Ponadto Flink stä siż skutecznym frameworkiem do analizy Big Data w dużych systemach klastrowych. Z drugiej strony, FLink nie obsżuguje żadnego jżzyka zapytä. Dlatego też, aby wykonä zapytanie SQL w FLink, konieczne jest zaprojektowanie i wdrożenie translatora SQL do FLink. Praca przedstawiona w niniejszej ksiżżce uwzglżdnia te ograniczenia translatorów SQL i proponuje dwa rozwiżzania, które można uznä za translatory SQL do MapReduce, majżce na celu usprawnienie analizy Big Data.
Kundinnen und Kunden meinen
0.0/5.0
0 Bewertungen
Verfassen Sie die erste Bewertung zu diesem Artikel