HTML Microdata document

This HTML5 document contains 325 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

Prefix	IRI
dbt	http://dbpedia.org/resource/Template:
wikipedia-en	http://en.wikipedia.org/wiki/
dbr	http://dbpedia.org/resource/
dbpedia-ar	http://ar.dbpedia.org/resource/
n36	http://viaf.org/viaf/
dbpedia-fr	http://fr.dbpedia.org/resource/
dcterms	http://purl.org/dc/terms/
rdfs	http://www.w3.org/2000/01/rdf-schema#
dbpedia-cs	http://cs.dbpedia.org/resource/
rdf	http://www.w3.org/1999/02/22-rdf-syntax-ns#
dbp	http://dbpedia.org/property/
dbpedia-eu	http://eu.dbpedia.org/resource/
xsdh	http://www.w3.org/2001/XMLSchema#
dbpedia-uk	http://uk.dbpedia.org/resource/
dbo	http://dbpedia.org/ontology/
dbpedia-sr	http://sr.dbpedia.org/resource/
dbpedia-pt	http://pt.dbpedia.org/resource/
dbpedia-hu	http://hu.dbpedia.org/resource/
dbpedia-ja	http://ja.dbpedia.org/resource/
dbc	http://dbpedia.org/resource/Category:
dbpedia-de	http://de.dbpedia.org/resource/
dbpedia-pl	http://pl.dbpedia.org/resource/
dbpedia-ru	http://ru.dbpedia.org/resource/
yago	http://dbpedia.org/class/yago/
dbpedia-ro	http://ro.dbpedia.org/resource/
wikidata	http://www.wikidata.org/entity/
dbpedia-nl	http://nl.dbpedia.org/resource/
gold	http://purl.org/linguistics/gold/
yago-res	http://yago-knowledge.org/resource/
n7	https://global.dbpedia.org/id/
dbpedia-it	http://it.dbpedia.org/resource/
dbpedia-ca	http://ca.dbpedia.org/resource/
prov	http://www.w3.org/ns/prov#
n19	http://dbpedia.org/resource/Map/
foaf	http://xmlns.com/foaf/0.1/
n12	http://dbpedia.org/resource/Sector/
dbpedia-zh	http://zh.dbpedia.org/resource/
dbpedia-ko	http://ko.dbpedia.org/resource/
dbpedia-fa	http://fa.dbpedia.org/resource/
freebase	http://rdf.freebase.com/ns/
dbpedia-es	http://es.dbpedia.org/resource/
owl	http://www.w3.org/2002/07/owl#

Statements

Subject Item: dbr:Cascading_(software)
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Presto_(SQL_query_engine)
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Quantcast_File_System
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Sandia_National_Laboratories
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Sanjay_Ghemawat
dbo:wikiPageWikiLink: dbr:MapReduce
dbo:knownFor: dbr:MapReduce

Subject Item: dbr:Sawzall_(programming_language)
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:List_of_computer_scientists
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Online_aggregation
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Programming_model
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Bigtable
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Alignment-free_sequence_analysis
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Hortonworks
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Pentaho
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Riak
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Decision_table
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Doug_Cutting
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Earth_mover's_distance
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Innovative_Routines_International
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Jake2
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:List_of_programmers
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:List_of_sequence_alignment_software
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:List_of_server-side_JavaScript_implementations
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Couchbase_Server
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Matei_Zaharia
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Matrix_multiplication_algorithm
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:GenevaERS
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Gearman
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Google+
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Google_Search
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Graph_database
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Boundless_Informant
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:MongoDB
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Monoid
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Dancing_Links
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Apache_Cassandra
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Apache_CouchDB
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Apache_Hadoop
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Apache_Hive
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Apache_Ignite
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Apache_Impala
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Apache_Mahout
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Apache_Nutch
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Apache_Oozie
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Apache_Phoenix
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Apache_Pig
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Apache_Spark
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Apache_Storm
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:MATLAB
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:MBrace
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Mangler_pattern
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Snappy_(compression)
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:CloudSim
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Cluster_Exploratory
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Computer_cluster
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Howard_Gobioff
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Pervasive_Software
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Predictive_analytics
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:MapReduce
rdf:type: dbo:Person yago:Content105809192 yago:Idea105833840 yago:Cognition100023271 yago:Concept105835747 yago:PsychologicalFeature100023100 yago:WikicatProgrammingConstructs owl:Thing yago:Abstraction100002137
rdfs:label: MapReduce MapReduce 맵리듀스 MapReduce MapReduce MapReduce MapReduce MapReduce نموذج الهيكلة والتجميع MapReduce MapReduce MapReduce MapReduce MapReduce MapReduce MapReduce MapReduce
rdfs:comment: MapReduce是Google提出的一个软件架构，用于大规模数据集的并行运算。概念“Map（映射）”和“Reduce（归约）”，及他们的主要思想，都是从函数式编程语言借鉴的，还有从矢量编程语言借来的特性。当前的软件实现是指定一个“Map”（映射）函数，用来把一组键值对映射成一组新的键值对，指定并发的“Reduce”（归约）函数，用来保证所有映射的键值对中的每一个共享相同的键组。 MapReduce（マップリデュース）は、コンピュータ機器のクラスター上での巨大なデータセットに対する分散コンピューティングを支援する目的で、Googleによって2004年に導入されたプログラミングモデルである。このフレームワークは関数型言語でよく使われるMap関数とReduce関数からヒントを得て作られているが、フレームワークにおけるそれらの用いられ方は元々のものと同じではない。 MapReduceのライブラリ群は、C++、C#、Erlang、Java、OCaml、Perl、Python、PHP、Ruby、F#、R言語、MATLAB等のプログラミング言語で実装されている。 MapReduce (читається «МепРід'юс») — це програмна модель та програмний каркас, що її реалізує, розроблені компанією Google для проведення розподіленої паралельної обробки великих масивів даних з використанням кластерів звичайних недорогих комп'ютерів. Програма MapReduce складається із функції Map, яка обробляє пари ключ/значення і генерує набір проміжних пар ключ/значення, і функції Reduce, яка зводить докупи всі проміжні значення пов'язані з одним і тим же проміжним ключем MapReduce – platforma do przetwarzania równoległego dużych zbiorów danych w klastrach komputerów stworzona przez firmę Google. Nazwa była zainspirowana funkcjami „(ang.)” i „reduce” z programowania funkcyjnego. Część platformy została opatentowana w USA. Operacje realizowane są podczas dwóch kroków: Główną zaletą MapReduce jest umożliwienie łatwego rozproszenia operacji. Zakładając, że każda z operacji „map” jest niezależna od pozostałych, może być ona realizowana na osobnym serwerze. MapReduce è un framework software brevettato e introdotto da Google per supportare la computazione distribuita su grandi quantità di dati in cluster di computer. Il framework è ispirato alle funzioni map e reduce usate nella programmazione funzionale, sebbene il loro scopo nel framework MapReduce non sia lo stesso che nella forma originale.Le librerie MapReduce sono scritte in C++, C#, Erlang, Java, OCaml, Perl, Python, Ruby, F# e altri linguaggi di programmazione. نموذج الهيكلة والتجميع (بالإنجليزية: نموذج الهيكلة والتجميع) هو نموذج برمجي، طورته شركة جوجل لإجراء عمليات حسابية بشكل متزامن على كمية كبيرة جداً من البيانات (عدة بيتابايت), وتتم هذه العمليات على عدة حواسيب تسمى بالعناقيد الحاسوبية.كما يطلق اسم MapReduce على اسم المكتبة البرمجية لهذا النموذج وليس فقط على النموذج نفسه.باستخدام طريقة الهيكلة والتجميع سيتم معالجة البيانات على ثلاثة مراحل (التجزئة، الخلط، التجميع) وبالانجليزية على التوالي(Map, shuttle ,reduce), اثنتان منهم تتم من قِبَل المستخدم وهما التجزئة والتجميع.-- وبالتالي يمكن إجراء العمليات الحسابية على عدة حواسيب وفي الوقت نفسه، أي بشكل متواز. تكمن أهمية هذه التقنية في الدور الذي تلعبه في توزيع العمليات على عدة حساب وإجرائها بشكل متزامن، ومن ثم جمع النتائج في المرحلة الثانية (الخلط). بصورة أوضح يمكننا القول أننا نقسم المشكلة الكبيرة إل 맵리듀스(MapReduce)는 구글에서 대용량 데이터 처리를 분산 병렬 컴퓨팅에서 처리하기 위한 목적으로 제작하여 2004년 발표한 소프트웨어 프레임워크다. 이 프레임워크는 페타바이트 이상의 대용량 데이터를 신뢰도가 낮은 컴퓨터로 구성된 클러스터 환경에서 병렬 처리를 지원하기 위해서 개발되었다. 이 프레임워크는 함수형 프로그래밍에서 일반적으로 사용되는 Map과 Reduce라는 함수 기반으로 주로 구성된다. 현재 맵리듀스는 자바와 C++, 그리고 기타 언어에서 적용이 가능하도록 작성되었다. 대표적으로 아파치 하둡에서 오픈 소스 소프트웨어로 적용되었다. MapReduce — модель распределённых вычислений, представленная компанией Google, используемая для параллельных вычислений над очень большими, вплоть до нескольких петабайт, наборами данных в компьютерных кластерах. MapReduce es un modelo de programación para dar soporte a la computación paralela sobre grandes colecciones de datos en grupos de computadoras y al . El nombre del framework está inspirado en los nombres de dos importantes métodos, macros o funciones en programación funcional: y . MapReduce ha sido adoptado mundialmente, ya que existe una implementación OpenSource denominada Hadoop. Su desarrollo fue liderado inicialmente por Yahoo y actualmente lo realiza el proyecto Apache. Desde la década de los años 2010 existen diversas iniciativas similares a Hadoop tanto en la industria como en el ámbito académico. Se han escrito implementaciones de bibliotecas de MapReduce en diversos lenguajes de programación como C++, Java y Python. MapReduce (někdy též Map/Reduce nebo MapRed) je programovací model pro zpracování velkých množin dat pomocí paralelního zpracování, a současně knihovna v jazyce C++, která jej implementuje. MapReduce ist ein vom Unternehmen Google Inc. eingeführtes Programmiermodell für nebenläufige Berechnungen über (mehrere Petabyte) große Datenmengen auf Computerclustern. MapReduce ist auch der Name einer Implementierung des Programmiermodells in Form einer Software-Bibliothek.Beim MapReduce-Verfahren werden die Daten in drei Phasen verarbeitet (Map, Shuffle, Reduce), von denen zwei durch den Anwender spezifiziert werden (Map und Reduce). Dadurch lassen sich Berechnungen parallelisieren und auf mehrere Rechner verteilen. Bei sehr großen Datenmengen ist die Parallelisierung unter Umständen schon deshalb erforderlich, weil die Datenmengen für einen einzelnen Prozess (und das ausführende Rechnersystem) zu groß sind. MapReduce é um modelo de programação desenhado para processar grandes volumes de dados em paralelo, dividindo o trabalho em um conjunto de tarefas independentes. Programas MapReduce são escritos em um determinado estilo influenciado por construções de programação funcionais, especificamente expressões idiomáticas para listas de processamento de dados. Este módulo explica a natureza do presente modelo de programação e como ela pode ser usada para escrever programas que são executados no ambiente Hadoop. MapReduce est un patron de conception de développement informatique, inventé par Google, dans lequel sont effectués des calculs parallèles, et souvent distribués, de données potentiellement très volumineuses, typiquement supérieures en taille à un téraoctet. Les termes « map » et « reduce », et les concepts sous-jacents, sont empruntés aux langages de programmation fonctionnelle utilisés pour leur construction (map et réduction de la programmation fonctionnelle et des langages de programmation tableau). MapReduce is a programming model and an associated implementation for processing and generating big data sets with a parallel, distributed algorithm on a cluster. A MapReduce program is composed of a map procedure, which performs filtering and sorting (such as sorting students by first name into queues, one queue for each name), and a reduce method, which performs a summary operation (such as counting the number of students in each queue, yielding name frequencies). The "MapReduce System" (also called "infrastructure" or "framework") orchestrates the processing by marshalling the distributed servers, running the various tasks in parallel, managing all communications and data transfers between the various parts of the system, and providing for redundancy and fault tolerance. MapReduce és un model de programació i d'implementació per a processar i generar jocs de dades grans, amb un algorisme paral·lel i distribuït, en un clúster. Un programa MapReduce es compon d'un procediment Map que efectua el filtrat i ordenat (per exemple ordenar estudiants pel primer cognom en cues, amb una cua per cognom) i un procediment Reduce, que fa l'operació d'agregació (com, per exemple, comptar el nombre d'estudiants a cada cua, obtenint-ne la freqüència dels cognoms). El "Sistema MapReduce" (també conegut com a infraestructura o framework) orquestra el procés serialitzant (marshalling en anglès) els servidors distribuïts, executant diverses tasques en paral·lel, gestionant les comunicacions de transferència de dades entre les diverses parts del sistema i proporcionant redu MapReduce is een door Google LLC geïntroduceerd framework voor het in korte tijd uitvoeren van berekeningen over zeer grote hoeveelheden data van vaak meerdere petabytes. MapReduce wordt door Google onder andere gebruikt voor het indiceren van grote hoeveelheden documenten voor zijn zoekmachine en het analyseren van bezoekersaantallen en bezoekersgedrag van websites (Google Analytics). Apache Hadoop is een op MapReduce geïnspireerd opensource Java-framework voor de bouw van data-intensieve gedistribueerde applicaties. MapReduce programazio-eredu bat da, eta hari lotutako inplementazioa, datu kopuru handiekin lan egin ahal izateko. Erabiltzailearekiko gardena den, paralelizazio automatikoa erabiltzen du. Gainera, lanaren banaketa dinamikoa egiten du, makinen hutsegiteei aurre egiten die eta makina arteko komunikazioa jorratzen ditu, besteak beste. Google-ren MapReduce inplementazioa cluster handiekin eta datu kopuru handiekin lan egiteko pentsatuta dago.
dcterms:subject: dbc:Google_software dbc:Parallel_computing dbc:Articles_with_example_code dbc:Distributed_computing_architecture
dbo:wikiPageID: 1702875
dbo:wikiPageRevisionID: 1123142896
dbo:wikiPageWikiLink: dbr:Marshalling_(computer_science) dbr:Parallel_computing dbr:Hash_function dbr:Statistical_machine_translation dbr:Reduce_(higher-order_function) dbr:Message_Passing_Interface dbr:Open-closed_principle dbr:Pig_(programming_language) dbr:Filesystem dbr:Distributed_computing dbr:Danny_Hillis dbr:Side-effect_(computer_science) dbr:Data_domain dbr:Apache_Mahout dbr:Programming_model dbr:RDBMS dbr:StarLisp dbc:Parallel_computing dbr:Google_MillWheel dbr:Hadoop dbr:Bigtable dbr:Sharding dbr:Apache_Hadoop dbr:Michael_Stonebraker dbr:Necessity_and_sufficiency dbr:Single-threaded dbr:Distributed_file_system dbr:Generic_trademark dbr:Apache_Hive dbr:Apache_CouchDB dbr:HBase dbr:Atomicity_(programming) dbr:SQL dbr:Procedure_(computing) dbc:Articles_with_example_code dbr:Google_File_System dbr:Reduce_(parallel_pattern) dbr:Modulo_operation dbr:Map_(parallel_pattern) dbr:Inverted_index dbr:Map_(higher-order_function) dbr:Associative_property dbr:David_DeWitt dbr:Multi-threaded dbr:Cluster_(computing) dbr:Ars_Technica dbr:Teradata dbr:Hard_disk_drive dbr:B-tree dbr:Big_data dbr:CouchDB dbr:Load_balancing_(computing) dbc:Distributed_computing_architecture dbr:Computer_cluster dbr:Document_clustering dbr:Bird–Meertens_formalism dbr:Prior_art dbr:Redundancy_(engineering) dbr:Open-source_software dbr:World_Wide_Web dbr:Riak dbr:Sawzall_(programming_language) dbr:Connection_Machine dbr:Common_Lisp dbr:Graph_(abstract_data_type) dbr:Software_framework dbr:Latency_(engineering) dbr:Single_point_of_failure dbr:Extensibility dbr:Server_farm dbr:Grid_Computing dbr:CODASYL dbr:Functional_programming dbr:Paradigm_shift dbr:Partition_(database) dbr:Low-level_programming_language dbr:Infinispan dbr:Logical_schema dbr:Library_(software) dbr:Google dbr:Machine_learning dbr:Database dbr:Commodity_computing dbr:Fault-tolerant_computer_system dbr:Parallel_database dbr:Shard_(database_architecture) dbr:Petabyte dbr:Shared-nothing_architecture dbr:Working_set dbc:Google_software
owl:sameAs: n7:4m17e dbpedia-ja:MapReduce dbpedia-ko:맵리듀스 dbpedia-ro:MapReduce dbpedia-sr:MapReduce dbpedia-pt:MapReduce dbpedia-fa:نگاشت‌کاهش dbpedia-nl:MapReduce dbpedia-ru:MapReduce dbpedia-de:MapReduce dbpedia-zh:MapReduce dbpedia-eu:MapReduce dbpedia-pl:MapReduce dbpedia-hu:MapReduce dbpedia-cs:MapReduce dbpedia-it:MapReduce wikidata:Q567759 yago-res:MapReduce dbpedia-fr:MapReduce n36:305041139 dbpedia-es:MapReduce dbpedia-ca:MapReduce freebase:m.05pp4x dbpedia-uk:MapReduce dbpedia-ar:نموذج_الهيكلة_والتجميع
dbp:wikiPageUsesTemplate: dbt:Citation_needed dbt:Google_Inc. dbt:Authority_control dbt:Commons_category dbt:Reflist dbt:Mono dbt:Short_description
dbo:abstract: MapReduce is een door Google LLC geïntroduceerd framework voor het in korte tijd uitvoeren van berekeningen over zeer grote hoeveelheden data van vaak meerdere petabytes. MapReduce wordt door Google onder andere gebruikt voor het indiceren van grote hoeveelheden documenten voor zijn zoekmachine en het analyseren van bezoekersaantallen en bezoekersgedrag van websites (Google Analytics). MapReduce kan in korte tijd veel data verwerken doordat het een grote taak opsplitst in deeltaken. Die deeltaken worden over meerdere computers verdeeld. De computers voeren vervolgens de deeltaken gelijktijdig uit (distributie). Dit gebeurt met behulp van de functies map en fold (reduce), die bekend zijn uit de functionele programmeertalen. Als een van de computers het tijdens het uitvoeren van zijn deeltaak begeeft, wordt die deeltaak automatisch door een andere computer overgenomen. Dit maakt het systeem zeer robuust. Apache Hadoop is een op MapReduce geïnspireerd opensource Java-framework voor de bouw van data-intensieve gedistribueerde applicaties. MapReduce est un patron de conception de développement informatique, inventé par Google, dans lequel sont effectués des calculs parallèles, et souvent distribués, de données potentiellement très volumineuses, typiquement supérieures en taille à un téraoctet. Les termes « map » et « reduce », et les concepts sous-jacents, sont empruntés aux langages de programmation fonctionnelle utilisés pour leur construction (map et réduction de la programmation fonctionnelle et des langages de programmation tableau). MapReduce permet de manipuler de grandes quantités de données en les distribuant dans un cluster de machines pour être traitées. Ce modèle connaît un vif succès auprès de sociétés possédant d'importants centres de traitement de données telles Amazon.com ou Facebook. Il commence aussi à être utilisé au sein du Cloud computing. De nombreux frameworks ont vu le jour afin d'implémenter le MapReduce. Le plus connu est Hadoop qui a été développé par Apache Software Foundation. Mais ce framework possède des inconvénients qui réduisent considérablement ses performances notamment en milieu hétérogène. Des frameworks permettant d'améliorer les performances de Hadoop ou les performances globales du MapReduce, tant en termes de vitesse de traitement qu'en consommation électrique, commencent à voir le jour. 맵리듀스(MapReduce)는 구글에서 대용량 데이터 처리를 분산 병렬 컴퓨팅에서 처리하기 위한 목적으로 제작하여 2004년 발표한 소프트웨어 프레임워크다. 이 프레임워크는 페타바이트 이상의 대용량 데이터를 신뢰도가 낮은 컴퓨터로 구성된 클러스터 환경에서 병렬 처리를 지원하기 위해서 개발되었다. 이 프레임워크는 함수형 프로그래밍에서 일반적으로 사용되는 Map과 Reduce라는 함수 기반으로 주로 구성된다. 현재 맵리듀스는 자바와 C++, 그리고 기타 언어에서 적용이 가능하도록 작성되었다. 대표적으로 아파치 하둡에서 오픈 소스 소프트웨어로 적용되었다. MapReduce (někdy též Map/Reduce nebo MapRed) je programovací model pro zpracování velkých množin dat pomocí paralelního zpracování, a současně knihovna v jazyce C++, která jej implementuje. MapReduce – platforma do przetwarzania równoległego dużych zbiorów danych w klastrach komputerów stworzona przez firmę Google. Nazwa była zainspirowana funkcjami „(ang.)” i „reduce” z programowania funkcyjnego. Część platformy została opatentowana w USA. Operacje realizowane są podczas dwóch kroków: * Krok „map” – węzeł nadzorczy (master node) pobiera dane z wejścia i dzieli je na mniejsze podproblemy, po czym przesyła je do węzłów roboczych (ang. worker nodes). Każdy z węzłów roboczych może albo dokonać kolejnego podziału na podproblemy, albo przetworzyć problem i zwrócić odpowiedź do głównego programu. * Krok „reduce” – główny program bierze odpowiedzi na wszystkie podproblemy i łączy je w jeden wynik – odpowiedź na główny problem. Główną zaletą MapReduce jest umożliwienie łatwego rozproszenia operacji. Zakładając, że każda z operacji „map” jest niezależna od pozostałych, może być ona realizowana na osobnym serwerze. MapReduce és un model de programació i d'implementació per a processar i generar jocs de dades grans, amb un algorisme paral·lel i distribuït, en un clúster. Un programa MapReduce es compon d'un procediment Map que efectua el filtrat i ordenat (per exemple ordenar estudiants pel primer cognom en cues, amb una cua per cognom) i un procediment Reduce, que fa l'operació d'agregació (com, per exemple, comptar el nombre d'estudiants a cada cua, obtenint-ne la freqüència dels cognoms). El "Sistema MapReduce" (també conegut com a infraestructura o framework) orquestra el procés serialitzant (marshalling en anglès) els servidors distribuïts, executant diverses tasques en paral·lel, gestionant les comunicacions de transferència de dades entre les diverses parts del sistema i proporcionant redundància i tolerància a errors. El model s'inspira en les funcions map i reduce usades habitualment en la programació funcional, tot i que el seu propòsit dins el framework MapReduce no és el mateix que en la seva forma original. Les contribucions clau del framework MapReduce no són específicament les funcions map i reduce, sinó l'escalabilitat i la tolerància a errors que n'obtenen les aplicacions en optimitzar-se el motor d'execució un sol cop. Així, una implementació MapReduce d'un sol fil d'execució, com MongoDB, no acostuma a ser gaire més ràpida que la implementació "no MapReduce" habitual i cal implementar-ho en forma multi-fil per a notar-ne la millora. El benefici del model MapReduce es nota sobretot quan s'utilitza l'optimització d'execució distribuïda (que redueix els costos de comunicació de xarxa) i la tolerància a errors. Optimitzar el cost de les comunicacions de xarxa és essencial per a un bon algorisme MapReduce. Hi ha llibreries de funcions MapReduce per a molts llenguatges de programació, amb diversos nivells d'optimització. Una de les més populars és la d'Apache Hadoop. El nom MapReduce inicialment feia referència a la tecnologia privativa de Google, però fa temps que s'utilitza com a terme genèric. MapReduce é um modelo de programação desenhado para processar grandes volumes de dados em paralelo, dividindo o trabalho em um conjunto de tarefas independentes. Programas MapReduce são escritos em um determinado estilo influenciado por construções de programação funcionais, especificamente expressões idiomáticas para listas de processamento de dados. Este módulo explica a natureza do presente modelo de programação e como ela pode ser usada para escrever programas que são executados no ambiente Hadoop. MapReduce是Google提出的一个软件架构，用于大规模数据集的并行运算。概念“Map（映射）”和“Reduce（归约）”，及他们的主要思想，都是从函数式编程语言借鉴的，还有从矢量编程语言借来的特性。当前的软件实现是指定一个“Map”（映射）函数，用来把一组键值对映射成一组新的键值对，指定并发的“Reduce”（归约）函数，用来保证所有映射的键值对中的每一个共享相同的键组。 MapReduce（マップリデュース）は、コンピュータ機器のクラスター上での巨大なデータセットに対する分散コンピューティングを支援する目的で、Googleによって2004年に導入されたプログラミングモデルである。このフレームワークは関数型言語でよく使われるMap関数とReduce関数からヒントを得て作られているが、フレームワークにおけるそれらの用いられ方は元々のものと同じではない。 MapReduceのライブラリ群は、C++、C#、Erlang、Java、OCaml、Perl、Python、PHP、Ruby、F#、R言語、MATLAB等のプログラミング言語で実装されている。 نموذج الهيكلة والتجميع (بالإنجليزية: نموذج الهيكلة والتجميع) هو نموذج برمجي، طورته شركة جوجل لإجراء عمليات حسابية بشكل متزامن على كمية كبيرة جداً من البيانات (عدة بيتابايت), وتتم هذه العمليات على عدة حواسيب تسمى بالعناقيد الحاسوبية.كما يطلق اسم MapReduce على اسم المكتبة البرمجية لهذا النموذج وليس فقط على النموذج نفسه.باستخدام طريقة الهيكلة والتجميع سيتم معالجة البيانات على ثلاثة مراحل (التجزئة، الخلط، التجميع) وبالانجليزية على التوالي(Map, shuttle ,reduce), اثنتان منهم تتم من قِبَل المستخدم وهما التجزئة والتجميع.-- وبالتالي يمكن إجراء العمليات الحسابية على عدة حواسيب وفي الوقت نفسه، أي بشكل متواز. تكمن أهمية هذه التقنية في الدور الذي تلعبه في توزيع العمليات على عدة حساب وإجرائها بشكل متزامن، ومن ثم جمع النتائج في المرحلة الثانية (الخلط). بصورة أوضح يمكننا القول أننا نقسم المشكلة الكبيرة إلى عدة أجزاء ونحل كل جزء منها على حدا ومن ثمنجمع هذه الحلول مع بعضها لتشكل في النهاية الحل للمشكلة الكبيرة. فكرة هذا النموذج مستوحاة من الدوال Map و Reduce, اللذان يستخدمان بكثرة في البرمجة الوظيفية. في عام 2010 تم منح براءة اختراع أمريكية على هذه التقنية. MapReduce programazio-eredu bat da, eta hari lotutako inplementazioa, datu kopuru handiekin lan egin ahal izateko. Erabiltzailearekiko gardena den, paralelizazio automatikoa erabiltzen du. Gainera, lanaren banaketa dinamikoa egiten du, makinen hutsegiteei aurre egiten die eta makina arteko komunikazioa jorratzen ditu, besteak beste. Google-ren MapReduce inplementazioa cluster handiekin eta datu kopuru handiekin lan egiteko pentsatuta dago. MapReduce è un framework software brevettato e introdotto da Google per supportare la computazione distribuita su grandi quantità di dati in cluster di computer. Il framework è ispirato alle funzioni map e reduce usate nella programmazione funzionale, sebbene il loro scopo nel framework MapReduce non sia lo stesso che nella forma originale.Le librerie MapReduce sono scritte in C++, C#, Erlang, Java, OCaml, Perl, Python, Ruby, F# e altri linguaggi di programmazione. MapReduce es un modelo de programación para dar soporte a la computación paralela sobre grandes colecciones de datos en grupos de computadoras y al . El nombre del framework está inspirado en los nombres de dos importantes métodos, macros o funciones en programación funcional: y . MapReduce ha sido adoptado mundialmente, ya que existe una implementación OpenSource denominada Hadoop. Su desarrollo fue liderado inicialmente por Yahoo y actualmente lo realiza el proyecto Apache. Desde la década de los años 2010 existen diversas iniciativas similares a Hadoop tanto en la industria como en el ámbito académico. Se han escrito implementaciones de bibliotecas de MapReduce en diversos lenguajes de programación como C++, Java y Python. MapReduce se emplea en la resolución práctica de algunos algoritmos susceptibles de ser paralelizados. No obstante MapReduce no es la solución para cualquier problema, de la misma forma que cualquier problema no puede ser resuelto eficientemente por MapReduce. Por regla general se abordan problemas con datasets de gran tamaño, alcanzando los petabytes de tamaño. Es por esta razón por la que este framework suele ejecutarse en sistema de archivos distribuidos (HDFS). MapReduce (читається «МепРід'юс») — це програмна модель та програмний каркас, що її реалізує, розроблені компанією Google для проведення розподіленої паралельної обробки великих масивів даних з використанням кластерів звичайних недорогих комп'ютерів. Програма MapReduce складається із функції Map, яка обробляє пари ключ/значення і генерує набір проміжних пар ключ/значення, і функції Reduce, яка зводить докупи всі проміжні значення пов'язані з одним і тим же проміжним ключем Термін «MapReduce» означав спочатку тільки власницьку технологію Google, але зараз став загальновживаним і використовується для означення моделі програмування. Бібліотеки MapReduce були створені для різних мов програмування. Однією із найпопулярніших вільних імплементацій є Apache Hadoop. MapReduce is a programming model and an associated implementation for processing and generating big data sets with a parallel, distributed algorithm on a cluster. A MapReduce program is composed of a map procedure, which performs filtering and sorting (such as sorting students by first name into queues, one queue for each name), and a reduce method, which performs a summary operation (such as counting the number of students in each queue, yielding name frequencies). The "MapReduce System" (also called "infrastructure" or "framework") orchestrates the processing by marshalling the distributed servers, running the various tasks in parallel, managing all communications and data transfers between the various parts of the system, and providing for redundancy and fault tolerance. The model is a specialization of the split-apply-combine strategy for data analysis.It is inspired by the map and reduce functions commonly used in functional programming, although their purpose in the MapReduce framework is not the same as in their original forms. The key contributions of the MapReduce framework are not the actual map and reduce functions (which, for example, resemble the 1995 Message Passing Interface standard's reduce and scatter operations), but the scalability and fault-tolerance achieved for a variety of applications by optimizing the execution engine. As such, a single-threaded implementation of MapReduce is usually not faster than a traditional (non-MapReduce) implementation; any gains are usually only seen with multi-threaded implementations on multi-processor hardware. The use of this model is beneficial only when the optimized distributed shuffle operation (which reduces network communication cost) and fault tolerance features of the MapReduce framework come into play. Optimizing the communication cost is essential to a good MapReduce algorithm. MapReduce libraries have been written in many programming languages, with different levels of optimization. A popular open-source implementation that has support for distributed shuffles is part of Apache Hadoop. The name MapReduce originally referred to the proprietary Google technology, but has since been genericized. By 2014, Google was no longer using MapReduce as their primary big data processing model, and development on Apache Mahout had moved on to more capable and less disk-oriented mechanisms that incorporated full map and reduce capabilities. MapReduce ist ein vom Unternehmen Google Inc. eingeführtes Programmiermodell für nebenläufige Berechnungen über (mehrere Petabyte) große Datenmengen auf Computerclustern. MapReduce ist auch der Name einer Implementierung des Programmiermodells in Form einer Software-Bibliothek.Beim MapReduce-Verfahren werden die Daten in drei Phasen verarbeitet (Map, Shuffle, Reduce), von denen zwei durch den Anwender spezifiziert werden (Map und Reduce). Dadurch lassen sich Berechnungen parallelisieren und auf mehrere Rechner verteilen. Bei sehr großen Datenmengen ist die Parallelisierung unter Umständen schon deshalb erforderlich, weil die Datenmengen für einen einzelnen Prozess (und das ausführende Rechnersystem) zu groß sind. Das Programmiermodell wurde durch die in der funktionalen Programmierung häufig verwendeten Funktionen und inspiriert, auch wenn die Arbeitsweise der Bibliothek davon abweicht. 2010 wurde für MapReduce ein US-Patent erteilt. Der wesentliche Beitrag von MapReduce ist jedoch das zu Grunde liegende System, das die Berechnungen stark parallelisiert, die Reorganisation der Daten im Shuffle-Schritt optimiert, und automatisch auf Fehler im Cluster reagieren kann, wie beispielsweise den Ausfall von kompletten Knoten. MapReduce — модель распределённых вычислений, представленная компанией Google, используемая для параллельных вычислений над очень большими, вплоть до нескольких петабайт, наборами данных в компьютерных кластерах.
gold:hypernym: dbr:Model
prov:wasDerivedFrom: wikipedia-en:MapReduce?oldid=1123142896&ns=0
dbo:wikiPageLength: 42702
foaf:isPrimaryTopicOf: wikipedia-en:MapReduce

Subject Item: dbr:BMC_Software
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Aggregate_function
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Transitive_closure
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Data-intensive_computing
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Data_lineage
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Data_transformation_(computing)
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Database_scalability
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Wireless_data_center
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Distributed_design_patterns
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Distributed_file_system_for_cloud
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Distributed_lock_manager
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Divide-and-conquer_algorithm
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:HDT_(data_format)
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:K-means_clustering
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Latent_Dirichlet_allocation
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:NoSQL
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Amazon_Elastic_Compute_Cloud
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Cuneiform_(programming_language)
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Databricks
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Alpine_Data_Labs
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Amazon_Elastic_Block_Store
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Facebook
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Basho_Technologies
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Flow-based_programming
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Fork–join_model
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Google_File_System
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Google_data_centers
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:List_of_RNA-Seq_bioinformatics_tools
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:HPCC
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:JNBridge
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Java_version_history
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Javolution
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Jeff_Dean
dbo:wikiPageWikiLink: dbr:MapReduce
dbp:knownFor: dbr:MapReduce
dbo:knownFor: dbr:MapReduce

Subject Item: dbr:Teradata
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Hybrid_algorithm
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Hyperscale_computing
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:RCFile
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Big_data
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Transition_(computer_science)
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Reduction_operator
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Salvatore_J._Stolfo
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:MapR
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Bulk_synchronous_parallel
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Sqrrl
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Free_monoid
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Implementations_of_differentially_private_analyses
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:InfiniDB
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Infinispan
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:MinHash
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Native_cloud_application
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Netezza
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Oracle_NoSQL_Database
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: n12:Sphere
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Christophe_Bisciglia
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Kneser–Ney_smoothing
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Map_(parallel_pattern)
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Shard_(database_architecture)
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Skyline_operator
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Mapreduce
dbo:wikiPageWikiLink: dbr:MapReduce
dbo:wikiPageRedirects: dbr:MapReduce

Subject Item: dbr:Parallel_multidimensional_digital_signal_processing
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Parallelization_contract
dbo:wikiPageWikiLink: dbr:MapReduce

Subject Item: dbr:Hadoop_map
dbo:wikiPageWikiLink: dbr:MapReduce
dbo:wikiPageRedirects: dbr:MapReduce

Subject Item: dbr:Map-reduce
dbo:wikiPageWikiLink: dbr:MapReduce
dbo:wikiPageRedirects: dbr:MapReduce

Subject Item: n19:reduce
dbo:wikiPageWikiLink: dbr:MapReduce
dbo:wikiPageRedirects: dbr:MapReduce

Subject Item: dbr:Map_Reduce
dbo:wikiPageWikiLink: dbr:MapReduce
dbo:wikiPageRedirects: dbr:MapReduce

Subject Item: dbr:Map_reduce
dbo:wikiPageWikiLink: dbr:MapReduce
dbo:wikiPageRedirects: dbr:MapReduce

Subject Item: wikipedia-en:MapReduce
foaf:primaryTopic: dbr:MapReduce