فيديو

آموزش Hadoop — درس چهارم: برنامه‌نویسی MapReduce

آموزش Hadoop — درس چهارم: برنامه‌نویسی MapReduce



برای کسب اطلاعات بیشتر، به این لینک مراجعه نمایید:
https://fdrs.ir/zt51

در این فرادرس که برای دانشجویان کارشناسی ارشد و دکتری رشته مهندسی کامپیوتر بسیار مفید است، سعی داریم تا مخاطبین را با یکی از محبوب‌ترین پلتفرم‌های تجزیه و تحلیل کلان‌داده به نام آپاچی هدوپ (Apache Hadoop) آشنا کنیم. این پلتفرم، پایه بسیاری از تحقیقات جدی و جدید زمینه‌های گوناگون از جمله: تجزیه و تحلیل شبکه‌های اجتماعی، آنالیز سبد بازار، سیستم‌های پیشنهاد کننده، علوم زیستی مانند تجزیه و تحلیل گراف‌های پروتئینی و… را تشکیل می‌دهد.

سرفصل‌های مورد بحث در این فیلم آموزشی عبارتند از:

درس یکم: آشنایی با کلان‌داده (Big Data)
تعریف کلان‌داده
میزان تولید داده در یک دقیقه
میزان رشد داده
المان‌های اصلی کلان داده
مشکلات ناشی از کلان داده و راهکارها
نسل جدید پایگاه داده‌ها
مقایسه پایگاه داده‌های رابطه‌ای با داده‌های غیررابطه‌ای
نظریه CAP
درس دوم: آشنایی با اکوسیستم هدوپ
معماری هدوپ
چرا هدوپ؟
ویژگی‌های هدوپ
درس سوم: نصب هدوپ
نصب Hadoop به روش Stand – Alone
نصب هدوپ به روش شبه توزیع‌شده
آشنایی با Map Reduce
معماری MapReduce در دو مثال شمارش کلمات و محاسبه ماکزیمم دما
تابع Map
تابع Reduce
تابع Combiner
جریان داده در MapReduce
پیاده سازی چند مثال با استفاده از جاوا، پایتون و اجرای آن‌ها
شمارش کلمات
حداقل و حداکثر حقوق به تفکیک بخش‌های یک سازمان
میانگین حقوق در هر بخش از یک سازمان بزرگ
درس چهارم: آموزش برنامه‌‌نویسی نگاشت – کاهش
مفهوم HDFS
ویژگی‌ها و معایب HDFS
معماری HDFS
مفهوم بلاک در HDFS
عملیات خواندن در HDFS
عملیات نوشتن در HDFS
تعدادی از دستورات کاربردی HDFS
درس پنجم: سیستم فایل توزیع‌شده هدوپ (HDFS)
درس ششم: آشنایی با YARN
آشنایی با YARN
معماری YARN
مقایسه MapReduce1 و MapReduce2
مدیریت منابع
مقیاس‌پذیری در YARN
انواع زمان‌بندی‌ها در YARN

مفید برای رشته‌های
مهندسی کامپیوتر

مدرس:
مهندس ایمان بادروح
آموزش مقدماتی Hadoop (هدوپ) برای تجزیه و تحلیل کلان داده,آموزش Hadoop,کامپیوتر 
0.00
 00:10:48 
 درس 

source

الوسوم

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني.

زر الذهاب إلى الأعلى
إغلاق