Audience d'un site web

Résumé

framed|Trafic Web de Wikipédia en décembre 2004 L'audience d'un site web est l'ensemble des personnes qui visitent ce site web. Sur internet, il existe plusieurs indicateurs permettant de mesurer l'audience d'un site web, tels que le nombre de visiteurs uniques, le nombre de pages vues, le nombre de visites, la durée moyenne des visites Ces données, associées à d'autres données quantitatives telles que les indicateurs clés de performance, participent à la mesure, la collecte et l'analyse de données provenant d'Internet (ce qu'on appelle les métriques du Web, en anglais Web analytics) qui permettent de comprendre et d’optimiser les usages du web. Contexte et principaux indicateurs utilisés L'analyse de l'audience d'un site web peut notamment être pratiquée dans le cadre de l'optimisation pour les moteurs de recherche (SEO). Dans un contexte de vente en ligne, les mesures d'audience font référence à la mesure d'aspects d'un site web liés à la stratégie commerciale de l'ent

Source officielle

https://fr.wikipedia.org/wiki/Audience_d'un_site_web

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (7)

Chargement

Afficher plus

Publications associées

Chargement

Personnes associées (1)

Personnes associées

Chargement

Unités associées (1)

Unités associées

Chargement

Concepts associés (14)

Concepts associés

Chargement

Cours associés (9)

Cours associés

Chargement

Séances de cours associées (10)

Séances de cours associées

Chargement

Publications associées (7)

Squall: Scalable Real-time Analytics

Mohammad Dashti Rahmat Abadi, Mohamed Elsayed Mohamed Ahmed El Seidy, Daniel Espino Timón, Khayyam Mubariz Oglu Guliyev, Ioannis Klonatos, Christoph Koch, Aleksandar Vitorovic, Minh Khue Vu

Squall is a scalable online query engine that runs complex analytics in a cluster using skew-resilient, adaptive operators. Squall builds on state-of-the-art partitioning schemes and local algorithms, including some of our own. This paper presents the overview of Squall, including some novel join operators. The paper also presents lessons learned over the five years of working on this system, and outlines the plan for the proposed system demonstration.

2016

Chargement

Squall: Scalable Real-time Analytics

Mohammad Dashti Rahmat Abadi, Mohamed Elsayed Mohamed Ahmed El Seidy, Daniel Espino Timón, Khayyam Mubariz Oglu Guliyev, Ioannis Klonatos, Christoph Koch, Aleksandar Vitorovic, Minh Khue Vu

VLDB Endowment Inc.2016

Chargement

Squall is a scalable online query engine that runs complex analytics in a cluster using skew-resilient, adaptive operators. Online processing implies that results are incrementally built as the input arrives, and it is ubiquitous for many applications such as algorithmic trading, clickstream analysis and business intelligence (e.g., in order to reach a potential customer during the active session). This thesis presents the overview of Squall, including some novel join operators, as well as lessons learned over the five years of working on this system. Existing open-source online systems (e.g. Twitter Storm, Spark Streaming) provide only hash-joins, which are limited to equi-joins and prone to skew. In contrast, Squall puts together state-of-the-art skew-resilient partitioning schemes (including some of our own), local query operators, and techniques for scalable online query processing. Such a system allows us to leverage the effect of various design choices on the performance, to seamlessly build efficient novel operators, and to discover and address new skew types (e.g. dependence on tuple arrival order) that can arise only in online systems. Existing partitioning schemes for joins work well only for a narrow set of data distribution properties, that is, specific proportion of join output and input sizes for 2-way joins, or similar data distribution among all the relations for multi-way joins. In contrast, Squall covers the entire spectrum of different data distributions by providing two novel skew-resilient partitioning schemes: (a) a scheme for 2-way non-equi joins partitions the data using a multi-stage load-balancing algorithm that contains a join-specialized computational geometry algorithm, and (b) a scheme for multi-way joins which constructs composite partitioning, consisting of different partitioning schemes according to the skew degree in different relation attributes. Compared to state-of-the art, our schemes achieve up to 15X speedup and are up to 5X more efficient in terms of resource consumption.

EPFL2016

Chargement

Afficher plus

EPFL2016