Practical Graph Analytics with Apache Giraph

تجزیه و تحلیل عملی نمودار با Apache Giraph به شما کمک می کند تا برنامه های داده کاوی و یادگیری ماشین را با استفاده از چارچوب Giraph بنیاد Apache برای پردازش گراف بسازید. این همان چارچوبی است که توسط فیس‌بوک، گوگل و سایر عملیات‌های تحلیلی رسانه‌های اجتماعی برای استخراج ارزش تجاری از مقادیر زیادی از نقاط داده‌ای به هم پیوسته استفاده می‌شود.

گراف ها در انبوهی از سناریوهای داده ایجاد می شوند و ارتباطاتی را توصیف می کنند که به طور طبیعی در دنیای دیجیتال و واقعی شکل می گیرند. نمونه‌هایی از این ارتباطات در شبکه‌های اجتماعی آنلاین مانند فیس‌بوک و توییتر، در میان کاربرانی که به فیلم‌های سرویس‌هایی مانند نتفلیکس و آمازون پرایم امتیاز می‌دهند، فراوان است و حتی در زمینه شبکه‌های بیولوژیکی برای تحقیقات علمی مفید هستند. چه در زمینه کسب و کار یا علم، مشاهده داده‌ها به‌عنوان مرتبط با افزایش مقدار اطلاعات موجود که از آن داده‌ها استخراج می‌شود و برای ایجاد درآمد یا فرصت‌های علمی جدید استفاده می‌شود، ارزش اضافه می‌کند.

Apache Giraph یک مدل برنامه‌نویسی ساده و در عین حال انعطاف‌پذیر را ارائه می‌کند که الگوریتم‌های نمودار را هدف قرار داده و به گونه‌ای طراحی شده است که به راحتی مقیاس‌بندی شود تا حجم عظیمی از داده را در خود جای دهد. Giraph که ابتدا در یاهو توسعه یافته بود، اکنون یک پروژه سطح بالا در بنیاد آپاچی است و از شرکت هایی مانند فیس بوک، لینکدین و توییتر مشارکت می کند. تجزیه و تحلیل عملی نمودار با Apache Giraph قدرت Apache Giraph را برای شما به ارمغان می‌آورد و نشان می‌دهد که چگونه می‌توانید از قدرت پردازش نمودار برای داده‌های خود با ساختن برنامه‌های تحلیل گراف پیچیده با استفاده از همان چارچوبی که بر آن تکیه می‌کنید، استفاده کنید. توسط برخی از بزرگترین بازیگران صنعت امروز.

Practical Graph Analytics with Apache Giraph helps you build data mining and machine learning applications using the Apache Foundation’s Giraph framework for graph processing. This is the same framework as used by Facebook, Google, and other social media analytics operations to derive business value from vast amounts of interconnected data points.

Graphs arise in a wealth of data scenarios and describe the connections that are naturally formed in both digital and real worlds. Examples of such connections abound in online social networks such as Facebook and Twitter, among users who rate movies from services like Netflix and Amazon Prime, and are useful even in the context of biological networks for scientific research. Whether in the context of business or science, viewing data as connected adds value by increasing the amount of information available to be drawn from that data and put to use in generating new revenue or scientific opportunities.

Apache Giraph offers a simple yet flexible programming model targeted to graph algorithms and designed to scale easily to accommodate massive amounts of data. Originally developed at Yahoo!, Giraph is now a top top-level project at the Apache Foundation, and it enlists contributors from companies such as Facebook, LinkedIn, and Twitter. Practical Graph Analytics with Apache Giraph brings the power of Apache Giraph to you, showing how to harness the power of graph processing for your own data by building sophisticated graph analytics applications using the very same framework that is relied upon by some of the largest players in the industry today.