注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Hadoop从业者为什么需要Spark？

  2. Hadoop从业者为什么需要Spark？答案是Hadoop已死，Spark称霸。 而Hadoop的死亡过程在2012年已经开始： 1，由于Hadoop自身架构的导致了在离线数据存储分析意外的一切领域都力不从心，理论已经证明MapReduce模型可以模拟一切分布式计算，但是效率成为其死穴，而Spark基于RDD的计算图可以轻松、完整地表达MapReduce模型，并且能极为容易的处理实时流计算、机器学习、图计算、误差查询等； 2,2012年以来Hadoop本身架构臃肿并未得到本质性的改善，很多修改

  3. 所属分类：虚拟化

    • 发布日期：2014-09-22
    • 文件大小：421888
    • 提供者：javaniceyou

  1. 开源的分布式内存文件系统 Tachyon.zip

  2. Tachyon是一个分布式内存文件系统，可以在集群里以访问内存的速度来访问存在tachyon里的文件。把Tachyon是架构在最底层的分布式文件存储和上层的各种计算框架之间的一种中间件。主要职责是将那些不需要落地到DFS里的文件，落地到分布式内存文件系统中，来达到共享内存，从而提高效率。同时可以减少内存冗余，GC时间等。        特性：类 Java 的文件 API兼容性：实现 Hadoop 文件系统接口可插入式的底层文件系统内建 Raw 原生表的支持基于 Web 的 UI 提供命令行接口

  3. 所属分类：其它

    • 发布日期：2019-07-19
    • 文件大小：10485760
    • 提供者：weixin_39840387

  1. 大数据框架学习：从Hadoop到Spark

  2. Hadoop软件库是一个利用简单的编程模型在大量计算机集群上对大型数据集进行分布式处理的框架。特点：部署成本低、扩展方便、编程模型简单。Hadoop实现了在行业标准的服务器上进行可靠、可缩放的分布式计算，让你能够以较低的预算跟踪数PB以上的数据，而不必需要超级计算机和其他昂贵的专门硬件。Hadoop还能够从单台服务器扩展到数千台计算机，检测和处理应用程序层上的故障，从而提高可靠性。1、HadoopCommon:ThecommonutilitiesthatsupporttheotherHadoop

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：603136
    • 提供者：weixin_38687807

  1. TensorFlowOnSpark：TensorFlowOnSpark将TensorFlow程序引入Apache Spark集群-源码

  2. TensorFlowOnSpark TensorFlowOnSpark为Apache Hadoop和Apache Spark集群带来了可扩展的深度学习。 通过将深度学习框架中的突出功能与和，TensorFlowOnSpark可以在GPU和CPU服务器集群上实现分布式深度学习。 它支持在Spark集群上进行分布式TensorFlow训练和推理，其目标是最大程度地减少在共享网格上运行现有TensorFlow程序所需的代码更改量。 其兼容Spark的API通过以下步骤帮助管理TensorFlow

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：277504
    • 提供者：weixin_42160424

  1. 大数据框架学习：从Hadoop到Spark

  2. Hadoop软件库是一个利用简单的编程模型在大量计算机集群上对大型数据集进行分布式处理的框架。特点：部署成本低、扩展方便、编程模型简单。Hadoop实现了在行业标准的服务器上进行可靠、可缩放的分布式计算，让你能够以较低的预算跟踪数 PB以上的数据，而不必需要超级计算机和其他昂贵的专门硬件。Hadoop还能够从单台服务器扩展到数千台计算机，检测和处理应用程序层上的故障，从而提高可靠性。1、HadoopCommon:Thecommonutilitiesthatsupport

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：603136
    • 提供者：weixin_38678550