Jahre : Verarbeitung riesigen Datenmengen (Multi-Terabyte-Daten-Sets) ist ein wichtiges Anliegen im realen Leben projects.As die Größe der Daten steigt von Tag zu Tag, Anwendungen finden es schwierig, um es in einen zuverlässigen Prozess,gesicherten und fehlertolerante Weise.
Hier kommt die Hadoop Map / Reduce framework.It hilft, die Anwendungen leicht zu schreiben, welcher Prozess riesigen Datenmengen halten alle Bedenken in mind.The größte Vorteil ist,, Map / Reduce ermöglicht die parallele Verarbeitung auf großen Clustern von Commodity-Hardware.
Die wichtigsten Konzepte, die hinter Map / Reduce wird
ein) Split den Job in unabhängige Aufgaben (bekannt als Map Aufgaben).
b) Verarbeitung der Aufgaben in einer parallelen Weise.
c) Sortieren Sie die Ausgabe der Karten und senden Sie sie als Eingabe für den reduce Aufgabe (sogenannte Tasks Reduzieren).
So ist es im Grunde eine parallele Verarbeitung von Blöcken und dann Verbinden sie zurück zu bekommen das Ende result.The Rahmenbedingungen kümmert Planen von Aufgaben, zu überwachen und wieder führt die fehlgeschlagenen Tasks.
Beachten : Commodity-Hardware ist ein Begriff für erschwingliche Geräte, die in der Regel mit anderen derartigen Geräten sind.
