دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Donald Miner. Adam Shook
سری:
ISBN (شابک) : 1449327176, 9781449327170
ناشر: O'Reilly Media
سال نشر: 2012
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 مگابایت
در صورت تبدیل فایل کتاب MapReduce Design Patterns: Building Effective Algorithms and Analytics for Hadoop and Other Systems 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 الگوهای طراحی MapReduce: الگوریتم ها و تجزیه و تحلیل های مؤثر برای Hadoop و سایر سیستم ها 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.
تا به حال، الگوهای طراحی برای چارچوب MapReduce در بین مقالات تحقیقاتی، وبلاگ ها و کتاب های مختلف پراکنده شده است. این راهنمای مفید مجموعه ای منحصر به فرد از الگوهای ارزشمند MapReduce را گرد هم می آورد که صرف نظر از دامنه، زبان یا چارچوب توسعه ای که استفاده می کنید، در زمان و تلاش شما صرفه جویی می کند. هر الگو در زمینه توضیح داده شده است، با مشکلات و اخطارهایی که به وضوح شناسایی شده اند تا به شما در جلوگیری از اشتباهات رایج طراحی هنگام مدل سازی معماری کلان داده خود کمک کنند. این کتاب همچنین یک نمای کلی از MapReduce ارائه میکند که منشأ و پیادهسازی آن و اینکه چرا الگوهای طراحی بسیار مهم هستند را توضیح میدهد. تمام نمونه های کد برای Hadoop نوشته شده اند.
Until now, design patterns for the MapReduce framework have been scattered among various research papers, blogs, and books. This handy guide brings together a unique collection of valuable MapReduce patterns that will save you time and effort regardless of the domain, language, or development framework you’re using. Each pattern is explained in context, with pitfalls and caveats clearly identified to help you avoid common design mistakes when modeling your big data architecture. This book also provides a complete overview of MapReduce that explains its origins and implementations, and why design patterns are so important. All code examples are written for Hadoop.