DSpace

Πληροφορίες Τίτλου
Τίτλος: Υπολογιστικές Μέθοδοι για Ανάλυση Μεγάλων Δεδομένων (Hadoop και MapReduce)
Συγγραφείς:Βερύκιος, Βασίλειος
Καγκλής, Βασίλειος
Σταυρόπουλος, Ηλίας
Κριτικός Αναγνώστης: Καλλές, Δημήτριος
Σχολές/Τμήματα: ΤΜΗΜΑ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ, ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ
Θέμα: 
Λέξεις-κλειδιά: 
ΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ
ΣΤΑΤΙΣΤΙΚΗ
ΕΠΙΣΤΗΜΗ ΤΩΝ ΔΕΔΟΜΕΝΩΝ
ΑΝΑΛΥΣΗ ΜΕΓΑΛΩΝ ΔΕΔΟΜΕΝΩΝ
ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ
ΔΕΝΤΡΑ ΑΠΟΦΑΣΗΣ
ΚΑΝΟΝΕΣ ΣΥΣΧΕΤΙΣΗΣ
ΚΑΤΗΓΟΡΙΟΠΟΙΗΣΗ
ΣΥΣΤΑΔΟΠΟΙΗΣΗ
ΚΑΘΑΡΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ
ΑΝΑΛΥΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΔΕΔΟΜΕΝΩΝ
Περιγραφή
Περίληψη: 
Η λύση του Hadoop & ΜapReduce και των συνεργαζόμενων εφαρμογών τους περιλαμβάνει μεταξύ άλλων μια απλή αλλά πολύ ισχυρή μέθοδο για την επεξεργασία και την ανάλυση των εξαιρετικά μεγάλων συνόλων δεδομένων, ακόμη και μέχρι το επίπεδο πολλαπλών PetaByte. Κατά βάση το MapReduce είναι μια διαδικασία για το συνδυασμό των δεδομένων από πολλαπλές εισόδους (δημιουργώντας το «map»), και μετά αναγωγή (reduce) χρησιμοποιώντας μία λειτουργία που θα διυλίσει τα επιθυμητά αποτελέσματα. Στο κεφάλαιο αυτό παρουσιάζονται πολλαπλές περιπτώσεις χρήσης των Hadoop & MapReduce και των εφαρμογών τους για περιπτώσεις πολλών TB ακόμη και αρκετών PB. το Hadoop χρησιμοποιεί ένα κατανεμημένο σύστημα αρχείων, το HDFS. Το σύστημα του Hadoop/MapReduce είναι χρήσιμο για δεδομένα τα οποία είναι λιγότερο δομημένα όπως για παράδειγμα οι σελίδες Διαδικτύου ή πολλαπλά δεδομένα εγγράφων ή εικόνων τα οποία δεν είναι πλήρως οργανωμένα-δομημένα.
Ημερομηνία Δημιουργίας: 2015
Πληροφορίες Τεκμηρίου
Είδος Τεκμηρίου: Κεφάλαιο Συγγράμματος
URI: http://hdl.handle.net/11419/2973
Βιβλιογραφική Αναφορά:Βερύκιος, Β., Καγκλής, Β., Σταυρόπουλος, Η. 2015. Υπολογιστικές Μέθοδοι για Ανάλυση Μεγάλων Δεδομένων (Hadoop και MapReduce). [Κεφάλαιο Συγγράμματος]. Στο Βερύκιος, Β., Καγκλής, Β., Σταυρόπουλος, Η. 2015. Η επιστήμη των δεδομένων μέσα από τη γλώσσα R. [ηλεκτρ. βιβλ.] Αθήνα:Σύνδεσμος Ελληνικών Ακαδημαϊκών Βιβλιοθηκών. κεφ 8. Διαθέσιμο στο: http://hdl.handle.net/11419/2973
Γλώσσα: Ελληνικά
Αποτελεί μέρος του: Η επιστήμη των δεδομένων μέσα από τη γλώσσα R
Άδεια Χρήσης: Αναφορά - Μη Εμπορική Χρήση - Όχι Παράγωγα Έργα
Σχετικά Μαθήματα: 
1. ΜΟΝΤΕΛΟΠΟΙΗΣΗ, ΑΝΑΚΛΗΣΗ ΠΛΗΡΟΦΟΡΙΑΣ & ΕΞΟΡΥΞΗ ΓΝΩΣΗΣ [ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ, ΣΧΟΛΗ ΠΟΛΥΤΕΧΝΙΚΗ, ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ]
2. Εξόρυξη Δεδομένων και Αλγόριθμοι Μάθησης [ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ, ΣΧΟΛΗ ΠΟΛΥΤΕΧΝΙΚΗ, ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΗΛΕΚΤΡΟΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ]
3. Εξόρυξη Δεδομένων [ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ, ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ, ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΗΛΕΚΤΡΟΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ]
4. Αποθήκες Δεδομένων και Εξόρυξη Γνώσης [ΙΟΝΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ, ΣΧΟΛΗ ΕΠΙΣΤΗΜΗΣ ΤΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ, ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ]
Τύπος έκδοσης: Εκδόσεις Κάλλιπος
Εμφανίζεται στις συλλογές:Επιστήμες Μηχανικών και Πληροφορική

Αρχεία σε αυτό το τεκμήριο:

Μορφότυπο Μέγεθος Περιγραφή
Adobe PDF7,27 MB-KατεβάστεΔείτε

Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα

Όροι χρήσης HEAL-Link © 2015

HEAL-Link NTUA GRNET European Union EDULLL ESPA