دانلود ترجمه مقاله جستارهای فعل و انفعالی در داده ها
ترجمه در قالب فایل Word و قابل ویرایش میباشد
سال انتشار:2012
تعداد صفحه ترجمه:17
تعداد صفحه فایل انگلیسی:4
موضوع انگلیسی :Blink and It’s Done: Interactive Queries on Very Large Data
موضوع فارسی:دانلود ترجمه مقاله جستارهای فعل و انفعالی در داده ها
چکیده انگلیسی:ABSTRACT
In this demonstration, we present BlinkDB, a massively parallel,
sampling-based approximate query processing framework for running
interactive queries on large volumes of data. The key observation
in BlinkDB is that one can make reasonable decisions in the
absence of perfect answers. BlinkDB extends the Hive/HDFS stack
and can handle the same set of SPJA (selection, projection, join
and aggregate) queries as supported by these systems. BlinkDB
provides real-time answers along with statistical error guarantees,
and can scale to petabytes of data and thousands of machines in
a fault-tolerant manner. Our experiments using the TPC-H benchmark
and on an anonymized real-world video content distribution
workload from Conviva Inc. show that BlinkDB can execute a wide
range of queries up to 150× faster than Hive on MapReduce and
10−150× faster than Shark (Hive on Spark) over tens of terabytes
of data stored across 100 machines, all with an error of 2 − 10
چکیده فارسی:ملاحظه اصلی در BlinkDB در این مورد است که شخص توسط آن می تواند در شرایطی که پاسخ های کاملی وجود ندارد، تصمیمات معقول و منطقی بگیرد. BlinkDB پشته(stack) Hive/HDFS را توسعه می دهد و در نتیجه پشتیبانی این سیستم ها می تواند به مجموعه ای یکسان از جستارهای SPJA (انتخاب، طرح ریزی، ملحق کردن و بهم پیوستن) رسیدگی نماید. BlinkDB در کنار تضمین خطای آماری پاسخ های زمان واقعی ارائه می نماید و می تواند به شیوه تحمل خطا، پتابایت داده و هزاران دستگاه را مقیاس نماید. آزمایش های ما با استفاده از معیار TPC-H و با توزیع محتوای ویدئو حجم کار دنیای واقعی ناشناخته توسط شرکت Conviva نشان دادکه BlinkDB می تواند طیف گسترده ای از جستارها را به میزان 150× سریعتر از Hive در MapReduce و 10 تا - 150 × سریعتر ازShark (Hive در Spark) و بیش ده ها ترابایت از داده ذخیره شده در 100 دستگاه را با یک خطای 2 – 10 درصدی اجرا نماید.
