• Open Daily: 10am - 10pm
    Alley-side Pickup: 10am - 7pm

    3038 Hennepin Ave Minneapolis, MN
    612-822-4611

Open Daily: 10am - 10pm | Alley-side Pickup: 10am - 7pm
3038 Hennepin Ave Minneapolis, MN
612-822-4611
Ein effizienter fortschrittlicher SQL-zu-MapReduce-Übersetzer zur Verbesserung von Big Data

Ein effizienter fortschrittlicher SQL-zu-MapReduce-Übersetzer zur Verbesserung von Big Data

Paperback

General Computers

ISBN10: 6208939925
ISBN13: 9786208939922
Publisher: Verlag Unser Wissen
Published: Jun 17 2025
Pages: 84
Weight: 0.27
Height: 0.20 Width: 6.00 Depth: 9.00
Language: German
MapReduce hat sich zu einem effektiven Framework für die Verarbeitung und Analyse gro er Datenmengen in gro en Systemen entwickelt. Andererseits ist SQL Query notwendig, um einen effizienten und flexiblen SQL-Übersetzer für das MapReduce-Framework zu erstellen. Der Bedarf an einem optimierten SQL-Übersetzer, der komplexe Abfragen verarbeiten kann, ist sehr gro , da dies die Leistung der Datenanalyse bei wachsenden BigBig Data DataData steigern kann. Hive unterstützt Abfragen, die als HiveQL bezeichnet werden. HiveQL bietet die gleichen Funktionen wie SQL, ist jedoch für komplexe SQL-Abfragen immer noch schwierig zu handhaben. Folglich führt die manuelle Übersetzung von HiveQL oft zu einer schlechten Leistung. Au erdem hat sich Flink zu einem effektiven Framework für die Big-Data-Analyse in gro en Clustersystemen entwickelt. Andererseits unterstützt FLink keine Abfragesprache. Daher ist die Entwicklung und Implementierung eines SQL-zu-Flink-Übersetzers erforderlich, um SQL-Abfragen über FLink auszuführen. Die Arbeit in diesem Buch berücksichtigt diese Einschränkungen von SQL-Übersetzern und schlägt zwei Beiträge vor, die als SQL-zu-MapReduce-Übersetzer zur Verbesserung der Big-Data-Analyse betrachtet werden können.

Also in

General Computers