地图还原

MapReduce是一种新的并行编程模型,最初是为大规模web内容处理而开发的。数据分析遇到了如何对超大数据集进行计算的问题。MapReduce的出现提供了一个利用商品硬件进行大规模并行数据分析应用的机会。从关系代数算子到MapReduce程序的转换和优化仍然是一个开放的、动态的研究领域。本文研究了一种特殊的数据分析查询类型,即多组查询。我们首先研究了MapReduce模型的通信开销,然后给出了多组查询的初步实现。然后,我们提出了一个优化的版本来解决和改善通信成本问题。我们的优化版本显示出比其他版本更好的加速能力和更好的可扩展性


zbMATH中的参考文献(参考 234篇文章 引用,1标准件)

显示234个结果中的1到20个。
按年份排序(引用)

1 2 ... 10 11 12 下一个

  1. 唐璐;周玲;宋彼得X.-K:基于置信分布的广义线性模型的分布式同时推理(2020)
  2. Agapito,Giuseppe;Guzzi,Pietro Hiram;Cannataro,Mario:从基因组学数据中平行提取关联规则(2019年)
  3. Ali,Syed Muhammad Fawad;Mey,Johannes;Thiele,Maik:使用编排样式表在ETL工作流中并行化用户定义函数(2019)
  4. Biletsky,Borys:分布式贝叶斯机器学习程序(2019)
  5. Aboralin,Abari在线算法;Aboralin,2019
  6. Ulf Brefeld;Lasek,Jan;Mair,Sebastian:概率运动模型和控制区(2019年)
  7. Claesson,Anders;Guðmundsson,BjarkiÁgúst:枚举按(k)排序的排列通过pop堆栈(2019)
  8. (2019年采矿业数据)
  9. Gyssens,Marc;Hellings,Jelle;Paredaens,Jan;Van Gucht,Dirk;Wijsen,Jef;Wu,Yuqing:对称查询的计算(2019)
  10. 江一伟;周平;程天成;季敏:两台均匀机器上MapReduce调度的最佳在线算法(2019)
  11. 蒋一伟;周平;周伟:少量机器上的MapReduce机器覆盖问题(2019年)
  12. 蒋云;卓俊宇;张娟;肖晓晓:基于Spark的并行卷积RBM优化(2019)
  13. Mitrana,Victor:极化:生物启发处理器网络中的新通信协议(2019)
  14. Nagarajan,Viswanath;Wolf,Joel;Balmin,Andrey;Hildrum,Kirsten:面向MapReduce的工作和应用程序流动的可延展调度(2019年)
  15. Pericini,Matheus H.M.;Leite,Lucas G.M.;De Carvalho Junior,Francisco H.;Machado,Javam C.;Rezende,Cenez A.:\textscMAPSkew:MapReduce中偏斜分区的元启发式方法(2019年)
  16. Quiroz,Matias;Kohn,Robert;Villani,Mattias;Tran,Minh Ngoc:通过有效的数据子抽样加速MCMC(2019年)
  17. Raissi,Maziar;Babaee,Hessam;Karniadakis,George Em:大数据的参数高斯过程回归(2019)
  18. Wang,Weina;Harchol Balter,Mor;Jiang,Haotian;Scheller-Wolf,Alan;Srikant,R.:多任务并行作业的延迟渐近性和界(2019)
  19. Afrati,Foto N.;Sharma,Shantanu;Ullman,Jonathan R.;Ullman,Jeffrey D.:使用MapReduce计算边缘(2018)
  20. Rafael的Caballero;Martin Martin,Enrique;Riesco,Adrián;Tamarit,Salvador:并发Erlang程序的声明性调试(2018)

1 2 ... 10 11 12 下一个