Hlavní teorie: MapReduce
Otázky
Co je MapReduce model, kde vznikl a k čemu je dobrý?
Jedná se o programovací paradigma pro zpracování velkých objemů dat v distribuovaných systémech. Jeho síla je v rozdělování složitých úloh do menších, paralelně zpracovatelných částí.
Princip je takový, že chceme přivést výpočet k datům a ne data k výpočtu (přesouvání velkého množství dat po síti). Využít to můžeme např. pro analýzu logů, agregaci dat, indexování obsahu, počítání výskytů slov
Více viz MapReduce
Vznikl v Googlu v rámci nástroje Hadoop
Jak funguje MapReduce model? Jaké má fáze a jak fungují v rámci Apache MapReduce?
Viz MapReduce
Krátce, co je Hadoop? A jakou roli v něm má MapReduce?
Jaký framework pro distribuované výpočty ještě znám? Jaké má výhody oproti MapReduce?
Apache Spark Přístup MapReduce není dělaný na výpočty, kde je potřeba hodně opakovaných iterací (např. strojové učení) - na to je lepší Apache Spark Apache Spark je vylepšená verze Apach MapReduce + nemusí běžet na HDFS
Celkově témata předmětu BIG: