📚 Programming Big Data Applications : Scalable Tools and Frameworks for Your Needs
В эпоху Интернета вещей и социальных медиа платформ огромные объемы цифровых данных генерируются и собираются из множества источников, таких как датчики, мобильные устройства, носимые трекеры и камеры видеонаблюдения. Эти данные, обычно называемые большими данными, создают серьезные вызовы для существующих возможностей хранения, обработки и анализа. Для эффективного сбора, хранения, анализа и обучения на больших данных продолжают разрабатываться новые модели, языки, системы и алгоритмы.
Книга «Программирование приложений для работы с большими данными» знакомит с моделями, программными фреймворками и алгоритмами для обработки и анализа больших объемов данных. В частности, книга подробно описывает свойства и механизмы основных парадигм программирования для анализа больших данных, включая MapReduce, workflow, BSP, передачу сообщений и SQL-подобные подходы. Через примеры программирования она также описывает наиболее часто используемые фреймворки для анализа больших данных, такие как Hadoop, Spark, MPI, Hive и Storm. Каждый из этих систем обсуждается и сравнивается, выделяя их основные характеристики, распространение (как среди разработчиков, так и пользователей), а также их преимущества и недостатки при реализации приложений для анализа больших данных.
➡️ Скачать
@itlibrary ✅
В эпоху Интернета вещей и социальных медиа платформ огромные объемы цифровых данных генерируются и собираются из множества источников, таких как датчики, мобильные устройства, носимые трекеры и камеры видеонаблюдения. Эти данные, обычно называемые большими данными, создают серьезные вызовы для существующих возможностей хранения, обработки и анализа. Для эффективного сбора, хранения, анализа и обучения на больших данных продолжают разрабатываться новые модели, языки, системы и алгоритмы.
Книга «Программирование приложений для работы с большими данными» знакомит с моделями, программными фреймворками и алгоритмами для обработки и анализа больших объемов данных. В частности, книга подробно описывает свойства и механизмы основных парадигм программирования для анализа больших данных, включая MapReduce, workflow, BSP, передачу сообщений и SQL-подобные подходы. Через примеры программирования она также описывает наиболее часто используемые фреймворки для анализа больших данных, такие как Hadoop, Spark, MPI, Hive и Storm. Каждый из этих систем обсуждается и сравнивается, выделяя их основные характеристики, распространение (как среди разработчиков, так и пользователей), а также их преимущества и недостатки при реализации приложений для анализа больших данных.
➡️ Скачать
@itlibrary ✅