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: Stefania Loredana Nita. Marius Mihailescu
سری:
ISBN (شابک) : 9781484227817
ناشر: Apress
سال نشر: 2017
تعداد صفحات: 269
زبان: english
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
در صورت تبدیل فایل کتاب Practical Concurrent Haskell with Big Data Applications 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 هسکل همزمان عملی با برنامه های کاربردی داده های بزرگ 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.
یاد بگیرید که از API ها و چارچوب ها برای برنامه های موازی و همزمان در Haskell استفاده کنید. این کتاب به شما نشان می دهد که چگونه از پردازنده های چند هسته ای با کمک موازی سازی به منظور افزایش عملکرد برنامه های خود بهره برداری کنید. عملی همزمان Haskell به شما می آموزد که چگونه همزمانی به شما امکان می دهد برنامه هایی را با استفاده از رشته ها برای تعاملات متعدد بنویسید. پس از انجام این کار، شما آماده خواهید بود تا با برنامه های کاربردی در رایانش ابری و داده های بزرگ، به سمت توسعه برنامه و قابلیت حمل و نقل حرکت کنید. شما از MapReduce و دیگر ابزارهای کلان داده مشابه به عنوان بخشی از توسعه برنامه های کاربردی Haskell کلان داده خود استفاده خواهید کرد. آنچه می آموزید برنامه با Haskell مهار همزمانی Haskell استفاده از Haskell برای داده های بزرگ و برنامه های محاسبات ابری استفاده از الگوهای طراحی همزمان Haskell در داده های بزرگ انجام پردازش تکراری داده روی داده های بزرگ با استفاده از Haskell استفاده از MapReduce و کار با Haskell در خوشه های بزرگ Who This Book برای کسانی است که حداقل تجربه قبلی با Haskell و تجربه قبلی با داده های بزرگ در یک زبان برنامه نویسی دیگر مانند Java، C#، Python یا C++ دارند.
Learn to use the APIs and frameworks for parallel and concurrent applications in Haskell. This book will show you how to exploit multicore processors with the help of parallelism in order to increase the performance of your applications. Practical Concurrent Haskell teaches you how concurrency enables you to write programs using threads for multiple interactions. After accomplishing this, you will be ready to make your move into application development and portability with applications in cloud computing and big data. You'll use MapReduce and other, similar big data tools as part of your Haskell big data applications development. What You'll Learn Program with Haskell Harness concurrency to Haskell Apply Haskell to big data and cloud computing applications Use Haskell concurrency design patterns in big data Accomplish iterative data processing on big data using Haskell Use MapReduce and work with Haskell on large clusters Who This Book Is For Those with at least some prior experience with Haskell and some prior experience with big data in another programming language such as Java, C#, Python, or C++.
Front Matter ....Pages i-xv
Front Matter ....Pages 1-1
Introduction (Stefania Loredana Nita, Marius Mihailescu)....Pages 3-11
Programming with Haskell (Stefania Loredana Nita, Marius Mihailescu)....Pages 13-46
Parallelism and Concurrency with Haskell (Stefania Loredana Nita, Marius Mihailescu)....Pages 47-65
Strategies Used in the Evaluation Process (Stefania Loredana Nita, Marius Mihailescu)....Pages 67-76
Exceptions (Stefania Loredana Nita, Marius Mihailescu)....Pages 77-86
Cancellation (Stefania Loredana Nita, Marius Mihailescu)....Pages 87-100
Transactional Memory Case Studies (Stefania Loredana Nita, Marius Mihailescu)....Pages 101-112
Debugging Techniques Used in Big Data (Stefania Loredana Nita, Marius Mihailescu)....Pages 113-131
Front Matter ....Pages 133-133
Haskell in the Cloud (Stefania Loredana Nita, Marius Mihailescu)....Pages 135-164
Haskell in Big Data (Stefania Loredana Nita, Marius Mihailescu)....Pages 165-175
Concurrency Design Patterns (Stefania Loredana Nita, Marius Mihailescu)....Pages 177-194
Large-Scale Design in Haskell (Stefania Loredana Nita, Marius Mihailescu)....Pages 195-203
Designing a Shared Memory Approach for Hadoop Streaming Performance (Stefania Loredana Nita, Marius Mihailescu)....Pages 205-220
Interactive Debugger for Development and Portability Applications Based on Big Data (Stefania Loredana Nita, Marius Mihailescu)....Pages 221-230
Iterative Data Processing on Big Data (Stefania Loredana Nita, Marius Mihailescu)....Pages 231-235
MapReduce (Stefania Loredana Nita, Marius Mihailescu)....Pages 237-245
Big Data and Large Clusters (Stefania Loredana Nita, Marius Mihailescu)....Pages 247-252
Back Matter ....Pages 253-266