دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Apache Hadoop YARN: Moving beyond MapReduce and Batch Processing with Apache Hadoop 2
دانلود کتاب Apache Hadoop YARN: حرکت فراتر از MapReduce و پردازش دسته ای با Apache Hadoop 2
مشخصات کتاب
Apache Hadoop YARN: Moving beyond MapReduce and Batch Processing with Apache Hadoop 2
ویرایش: 1 نویسندگان: Arun C. Murthy, Vinod Kumar Vavilapalli, Doug Eadline, Joseph Niemiec, Jeff Markham سری: Addison-Wesley Data & Analytics Series ISBN (شابک) : 0321934504, 9780321934505 ناشر: Addison-Wesley Professional سال نشر: 2014 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 17 مگابایت
قیمت کتاب (تومان) : 47,000
در صورت تبدیل فایل کتاب Apache Hadoop YARN: Moving beyond MapReduce and Batch Processing with Apache Hadoop 2 به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب Apache Hadoop YARN: حرکت فراتر از MapReduce و پردازش دسته ای با Apache Hadoop 2 نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب Apache Hadoop YARN: حرکت فراتر از MapReduce و پردازش دسته ای با Apache Hadoop 2
"این کتاب منبع بسیار مورد نیاز برای Apache Hadoop 2.0 است که به تازگی منتشر شده است، و YARN را به عنوان پیشرفت مهمی که Hadoop را فراتر از پارادایم MapReduce گسترش می دهد برجسته می کند." —از پیشگفتار Raymie Stata، مدیر عامل Altiscale The Insider's Guide to Building Distributed، کاربردهای کلان داده با Apache Hadoop™ YARN Apache Hadoop به پیشبرد انقلاب کلان داده کمک می کند. در حال حاضر، پردازش داده‌های آن کاملاً بازنگری شده است: Apache Hadoop YARN مدیریت منابع را در مقیاس مرکز داده و راه‌های آسان‌تری برای ایجاد برنامه‌های کاربردی توزیع‌شده که پتابایت‌ها داده را پردازش می‌کنند، ارائه می‌کند. و اکنون در Apache Hadoop™ YARN، دو رهبر فنی Hadoop به شما نشان می‌دهند که چگونه برنامه‌های کاربردی جدید توسعه دهید و کدهای موجود را برای استفاده کامل از این پیشرفت‌های انقلابی تطبیق دهید. بنیانگذار پروژه YARN Arun Murthy و سرپرست پروژه Vinod Kumar Vavilapalli نشان می دهند که چگونه YARN مقیاس پذیری و استفاده از خوشه را افزایش می دهد، مدل ها و خدمات برنامه نویسی جدید را فعال می کند و گزینه های جدیدی فراتر از جاوا و پردازش دسته ای را باز می کند. آنها شما را در کل چرخه عمر پروژه YARN، از نصب تا استقرار، راهنمایی می کنند. نمونه‌های زیادی را خواهید یافت که از تجربه‌ی پیشرفته نویسندگان گرفته شده است – ابتدا به عنوان اولین توسعه‌دهندگان و پیاده‌کننده‌های Hadoop در یاهو! و اکنون به عنوان توسعه دهندگان Hortonworks پلتفرم را به جلو می برند و به مشتریان کمک می کنند تا با آن موفق شوند.
توضیحاتی درمورد کتاب به خارجی
“This book is a critically needed resource for the newly released Apache Hadoop 2.0, highlighting YARN as the significant breakthrough that broadens Hadoop beyond the MapReduce paradigm.” —From the Foreword by Raymie Stata, CEO of Altiscale The Insider’s Guide to Building Distributed, Big Data Applications with Apache Hadoop™ YARN Apache Hadoop is helping drive the Big Data revolution. Now, its data processing has been completely overhauled: Apache Hadoop YARN provides resource management at data center scale and easier ways to create distributed applications that process petabytes of data. And now in Apache Hadoop™ YARN, two Hadoop technical leaders show you how to develop new applications and adapt existing code to fully leverage these revolutionary advances. YARN project founder Arun Murthy and project lead Vinod Kumar Vavilapalli demonstrate how YARN increases scalability and cluster utilization, enables new programming models and services, and opens new options beyond Java and batch processing. They walk you through the entire YARN project lifecycle, from installation through deployment. You’ll find many examples drawn from the authors’ cutting-edge experience—first as Hadoop’s earliest developers and implementers at Yahoo! and now as Hortonworks developers moving the platform forward and helping customers succeed with it.
