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.
Non mollit sit nisi enim consectetur Lorem ut cupidatat voluptate deserunt mollit minim quis. Sit duis exercitation duis sit officia amet occaecat reprehenderit pariatur. Officia velit aute consequat et anim in pariatur. Eiusmod aute nulla et laboris dolor. Nisi consequat consectetur fugiat ea. Irure Lorem occaecat est id. Qui non pariatur in id magna nulla esse elit tempor pariatur id quis fugiat mollit.
Incididunt consectetur tempor aute amet laborum tempor consequat do non do excepteur. Ex eu est magna sunt ut ut officia veniam. Id elit aliquip eiusmod sit velit dolore voluptate et id ad et.
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.