MapReduce: Modèles d'exécution pour l'informatique distribuée
Description
Cette séance de cours présente le modèle de programmation MapReduce pour l'informatique distribuée, en mettant l'accent sur sa vision, des exemples d'applications comme le nombre de mots et des mécanismes sous-jacents comme le brouillage et la réduction. Il traite de la simplicité et de la complexité du calcul distribué, des défis avec MapReduce, et de son impact sur le traitement des mégadonnées.
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.
Graph Chatbot
Chattez avec Graph Search
Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.
AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.
Velit proident cillum aliquip exercitation sunt dolore eu eiusmod sit amet. Labore aute dolor nisi ut adipisicing elit in do aute magna. Voluptate irure cupidatat nisi et cupidatat tempor quis nostrud amet sint nostrud mollit sint. Consequat veniam ea aute velit minim et pariatur eu qui in tempor magna excepteur.
Excepteur mollit adipisicing esse do excepteur sit laborum deserunt nisi eu. Culpa duis elit occaecat elit et minim tempor excepteur reprehenderit sint esse cillum proident. Nulla ipsum Lorem minim qui. Esse mollit mollit consectetur irure et tempor nisi consectetur culpa elit ad. Deserunt anim aute id nulla cupidatat qui fugiat deserunt aliquip ex cupidatat sint. Aliqua magna aliqua elit voluptate et nostrud in mollit ipsum adipisicing velit voluptate. Ut occaecat nulla laboris nulla et sint pariatur excepteur veniam consequat ex sunt sunt.
Couvre les outils de science des données, Hadoop, Spark, les écosystèmes des lacs de données, le théorème CAP, le traitement par lots vs. flux, HDFS, Hive, Parquet, ORC, et l'architecture MapReduce.
Présente la programmation LabVIEW, couvrant la gestion de la mémoire, les types de données et les concepts de programmation parallèle, avec des démonstrations pratiques.
Explore les modèles d'exécution de Hadoop, la tolérance aux défauts, la localisation des données et la programmation, soulignant les limites de MapReduce et d'autres cadres de traitement distribué.
Explore les caractéristiques de la turbulence, les méthodes de simulation et les défis de modélisation, fournissant des lignes directrices pour le choix et la validation des modèles de turbulence.