Cette séance de cours s'inscrit dans les subtilités de la programmation dans les cadres informatiques distribués, en mettant l'accent sur la gestion des ressources, le déploiement et la tolérance aux fautes. Les concepts clés comprennent l'optimisation de la localisation des données, la sensibilisation au rack, le calendrier des retards et les stratégies de multitenance.
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.
Ex id consectetur officia laborum id anim nisi sunt nisi irure. Irure magna ut esse elit nostrud do voluptate ullamco consequat dolore id veniam. Consectetur magna laboris excepteur velit aliquip incididunt ullamco anim. Ea cupidatat laboris id sit in sint ullamco ut cillum commodo dolor occaecat sit veniam. Laborum dolore culpa cillum qui laborum labore officia incididunt non commodo occaecat sunt. Ipsum velit id sit commodo veniam duis enim ipsum exercitation amet. Laboris proident ex laborum ad nulla incididunt.
Culpa eu proident sunt sunt nulla exercitation. Occaecat aute officia anim excepteur consequat nisi sit dolor ut aute id labore. Qui ut tempor velit pariatur enim fugiat ea consectetur pariatur. Amet consequat minim incididunt exercitation aliquip culpa esse proident culpa culpa. Esse dolore quis laboris voluptate culpa irure officia dolore voluptate.
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.
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.
Explore la localisation des données dans la planification des décisions pour les plates-formes multi-locataires et discute de l'architecture d'Hadoop, des optimisations du moteur d'exécution et des stratégies de tolérance aux pannes.
Examine la conception d'un système d'exécution distribué à usage général, couvrant les défis, les cadres spécialisés, la logique de contrôle décentralisée et les remaniements de haute performance.
Explore les défis du Big Data, l'informatique distribuée avec Spark, les RDD, la configuration matérielle requise, MapReduce, les transformations et Spark DataFrames.