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: Hrishikesh Vijay Karambelkar
سری:
ISBN (شابک) : 9781783281374
ناشر: Packt Publishing
سال نشر: 2013
تعداد صفحات: 144
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Scaling Big Data with Hadoop and Solr: Learn exciting new ways to build efficient, high performance enterprise search repositories for Big Data using Hadoop and Solr 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 مقیاس بزرگ کردن داده ها با Hadoop و Solr: روشهای جدید هیجان انگیز برای ساخت مخازن جستجوی مؤثر و کارآمد شرکت برای داده های بزرگ با استفاده از Hadoop و Solr را بیاموزید 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.
همانطور که داده ها روز به روز به طور تصاعدی رشد می کنند، استخراج اطلاعات به خودی خود به یک فعالیت خسته کننده تبدیل می شود. فناوری هایی مانند Hadoop در تلاش هستند تا برخی از نگرانی ها را برطرف کنند، در حالی که Solr جستجوی وجهی با سرعت بالا را ارائه می دهد. در کنار هم قرار دادن این دو فناوری به سازمانها کمک میکند تا مشکل استخراج اطلاعات از دادههای بزرگ را با ارائه قابلیتهای عالی جستجوی وجهی توزیعشده حل کنند. مقیاس بندی داده های بزرگ با Hadoop و Solr یک راهنمای گام به گام است که به شما کمک می کند موتورهای جستجوی سازمانی با کارایی بالا را در حین مقیاس بندی داده ها بسازید. این کتاب با اصول اولیه Apache Hadoop و Solr شروع میشود، سپس به موضوعات پیشرفته بهینهسازی جستجو با موارد استفاده جالب در دنیای واقعی و نمونه کد جاوا میپردازد.
As data grows exponentially day-by-day, extracting information becomes a tedious activity in itself. Technologies like Hadoop are trying to address some of the concerns, while Solr provides high-speed faceted search. Bringing these two technologies together is helping organizations resolve the problem of information extraction from Big Data by providing excellent distributed faceted search capabilities. Scaling Big Data with Hadoop and Solr is a step-by-step guide that helps you build high performance enterprise search engines while scaling data. Starting with the basics of Apache Hadoop and Solr, this book then dives into advanced topics of optimizing search with some interesting real-world use cases and sample Java code.