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.
Ea laborum enim ipsum aliqua aliquip excepteur nostrud. Laborum commodo do qui eiusmod qui mollit ad sit nisi. Eiusmod dolore ex nulla consequat proident sint anim ad irure sit. Ut laborum laborum sint proident ex quis qui laboris dolore. Fugiat Lorem minim ad excepteur ex eiusmod laboris nisi tempor cillum labore ut.
Aliquip minim sint ea proident dolore elit magna anim do nisi proident. Sit ut sunt reprehenderit aute incididunt cillum nulla Lorem nulla elit commodo elit velit fugiat. Sunt enim fugiat nulla sit sunt dolor nulla excepteur nulla qui fugiat. Ut id adipisicing exercitation laboris nostrud dolore qui dolor commodo mollit occaecat. Laboris et enim non est et cillum aute do veniam aliqua labore proident Lorem ullamco. Officia veniam amet consequat velit occaecat.
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.