About DBpedia Fr

About: http://fr.dbpedia.org/resource/MapReduce

An Entity of Type : Thing, from Named Graph : http://fr.dbpedia.org, within Data Space : fr.dbpedia.org

MapReduce est un patron d'architecture de développement informatique, inventé par Google, dans lequel sont effectués des calculs parallèles, et souvent distribués, de données potentiellement très volumineuses, typiquement supérieures en taille à un téraoctet. Les termes « map » et « reduce », et les concepts sous-jacents, sont empruntés aux langages de programmation fonctionnelle utilisés pour leur construction (map et réduction de la programmation fonctionnelle et des langages de programmation tableau).

thumbnail
Property Value
dbo:abstract
  • MapReduce est un patron d'architecture de développement informatique, inventé par Google, dans lequel sont effectués des calculs parallèles, et souvent distribués, de données potentiellement très volumineuses, typiquement supérieures en taille à un téraoctet. Les termes « map » et « reduce », et les concepts sous-jacents, sont empruntés aux langages de programmation fonctionnelle utilisés pour leur construction (map et réduction de la programmation fonctionnelle et des langages de programmation tableau). MapReduce permet de manipuler de grandes quantités de données en les distribuant dans un cluster de machines pour être traitées. Ce modèle connaît un vif succès auprès de sociétés possédant d'importants centres de traitement de données telles Amazon.com ou Facebook. Il commence aussi à être utilisé au sein du Cloud computing. De nombreux frameworks ont vu le jour afin d'implémenter le MapReduce. Le plus connu est Hadoop qui a été développé par Apache Software Foundation. Mais ce framework possède des inconvénients qui réduisent considérablement ses performances notamment en milieu hétérogène. Des frameworks permettant d'améliorer les performances de Hadoop ou les performances globales du MapReduce, tant en termes de vitesse de traitement qu'en consommation électrique, commencent à voir le jour. (fr)
  • MapReduce est un patron d'architecture de développement informatique, inventé par Google, dans lequel sont effectués des calculs parallèles, et souvent distribués, de données potentiellement très volumineuses, typiquement supérieures en taille à un téraoctet. Les termes « map » et « reduce », et les concepts sous-jacents, sont empruntés aux langages de programmation fonctionnelle utilisés pour leur construction (map et réduction de la programmation fonctionnelle et des langages de programmation tableau). MapReduce permet de manipuler de grandes quantités de données en les distribuant dans un cluster de machines pour être traitées. Ce modèle connaît un vif succès auprès de sociétés possédant d'importants centres de traitement de données telles Amazon.com ou Facebook. Il commence aussi à être utilisé au sein du Cloud computing. De nombreux frameworks ont vu le jour afin d'implémenter le MapReduce. Le plus connu est Hadoop qui a été développé par Apache Software Foundation. Mais ce framework possède des inconvénients qui réduisent considérablement ses performances notamment en milieu hétérogène. Des frameworks permettant d'améliorer les performances de Hadoop ou les performances globales du MapReduce, tant en termes de vitesse de traitement qu'en consommation électrique, commencent à voir le jour. (fr)
dbo:thumbnail
dbo:wikiPageExternalLink
dbo:wikiPageID
  • 7037065 (xsd:integer)
dbo:wikiPageLength
  • 66532 (xsd:nonNegativeInteger)
dbo:wikiPageRevisionID
  • 189762811 (xsd:integer)
dbo:wikiPageWikiLink
prop-fr:colonnes
  • 4 (xsd:integer)
prop-fr:date
  • 2007 (xsd:integer)
  • 2008 (xsd:integer)
  • 2009 (xsd:integer)
  • 2010 (xsd:integer)
  • 2012 (xsd:integer)
  • 2009-11-23 (xsd:date)
  • 2010-04-23 (xsd:date)
  • 2011-12-04 (xsd:date)
  • 2012-06-24 (xsd:date)
  • octobre 2008 (fr)
prop-fr:id
  • Mars (fr)
  • Cloud (fr)
  • Hadoop21 (fr)
  • Heterogeneous (fr)
  • LargeCluster (fr)
  • PQL (fr)
  • blobseer (fr)
  • dataAnalysis (fr)
  • energy (fr)
  • friendFoss (fr)
  • hiveFramework (fr)
  • parallel (fr)
  • phoenix (fr)
  • tracesMR (fr)
  • Mars (fr)
  • Cloud (fr)
  • Hadoop21 (fr)
  • Heterogeneous (fr)
  • LargeCluster (fr)
  • PQL (fr)
  • blobseer (fr)
  • dataAnalysis (fr)
  • energy (fr)
  • friendFoss (fr)
  • hiveFramework (fr)
  • parallel (fr)
  • phoenix (fr)
  • tracesMR (fr)
prop-fr:langue
  • en (fr)
  • en (fr)
prop-fr:série
  • 5 (xsd:integer)
  • 8 (xsd:integer)
  • 17 (xsd:integer)
  • 24 (xsd:integer)
  • ACM (fr)
  • Communications of the ACM (fr)
  • Proceedings of the VLDB Endowment VLDB Endowment Homepage archive - August 2009 (fr)
  • ECOOP 2012 - Object-Oriented Programming - 26th European Conference, Beijing, China, June 11-16, 2012. (fr)
  • Proceedings of the 2009 ACM SIGMOD International Conference on Management of data (fr)
  • CMU-PDL-09-107 (fr)
  • Cloud Computing 2009 (fr)
  • EvoApplication (fr)
  • IEEE 13th International Symposium on High Performance Computer Architecture, 2007. HPCA 2007. (fr)
prop-fr:taille
  • 30 (xsd:integer)
prop-fr:titre
  • Evaluating MapReduce for Multi-core and Multiprocesseur Systems (fr)
  • Mars : A MapReduce Framework on Graphics Processors (fr)
  • PQL: A Purely-Declarative Java Extension for Parallel Programming (fr)
  • A comparison of approaches to large-scale data analysis (fr)
  • A Library to Run Evolutionary Algorithms in the Cloud using MapReduce (fr)
  • Mapreduce and parallel dbmss : friends or foss? (fr)
  • Parallel Data Processing with MapReduce : A Survey (fr)
  • Improving MapReduce Performance through Data Placement in Heterogeneous Hadoop Clusters (fr)
  • Evaluating MapReduce on Virtual Machines : The Hadoop Case (fr)
  • Configuring a MapReduce Framework for Dynamic and Efficient Energy Adaptation (fr)
  • An analysis of traces from a production MapReduce cluster (fr)
  • MapReduce: Simplified Data processing on Large Cluster (fr)
  • Hive - a warehousing solution over a map-reduce framework (fr)
  • BlobSeer: Bringing high throughput under heavy concurrency to Hadoop Map-Reduce applications (fr)
  • Improving MapReduce Performance in Heterogeneous Environments (fr)
  • Evaluating MapReduce for Multi-core and Multiprocesseur Systems (fr)
  • Mars : A MapReduce Framework on Graphics Processors (fr)
  • PQL: A Purely-Declarative Java Extension for Parallel Programming (fr)
  • A comparison of approaches to large-scale data analysis (fr)
  • A Library to Run Evolutionary Algorithms in the Cloud using MapReduce (fr)
  • Mapreduce and parallel dbmss : friends or foss? (fr)
  • Parallel Data Processing with MapReduce : A Survey (fr)
  • Improving MapReduce Performance through Data Placement in Heterogeneous Hadoop Clusters (fr)
  • Evaluating MapReduce on Virtual Machines : The Hadoop Case (fr)
  • Configuring a MapReduce Framework for Dynamic and Efficient Energy Adaptation (fr)
  • An analysis of traces from a production MapReduce cluster (fr)
  • MapReduce: Simplified Data processing on Large Cluster (fr)
  • Hive - a warehousing solution over a map-reduce framework (fr)
  • BlobSeer: Bringing high throughput under heavy concurrency to Hadoop Map-Reduce applications (fr)
  • Improving MapReduce Performance in Heterogeneous Environments (fr)
prop-fr:url
prop-fr:wikiPageUsesTemplate
prop-fr:éditeur
  • M. Stonebraker, D. Abadi, D. J. DeWitt, S. Madden, E.Paulson, A. Pavlo, A. Rasin (fr)
  • A. Pavlo, E. Paulson, A. Rasin, D. J. Abadi, D. J. DeWitt, S. Madden, M. Stonebraker (fr)
  • Jessica Hartog, Zacharia Fadika, Elif Dede, Madhusudhan Govindaraju (fr)
  • Jiong Xie, Shu Yin, Xiaojun Ruan, Zhiyang Ding, Yun Tian, James Majors, Adam Manzanares, Xiao Qin (fr)
  • Soila Kavulya, Jiaqi Tan, Rajeev Gandhi and Priya Narasimhan (fr)
  • Jeffrey Dean, Sanjay Ghemawat (fr)
  • Pedro Eazenda, James McDermott, Una-may O’Reilly (fr)
  • Shadi Ibrahim, Hai Jin, Lu Lu, Li Qi, Song Wu, Xuanhua Shi (fr)
  • Christoph Reichenbach, Yannis Smaragdakis and Neil Immerman (fr)
  • Bogdan Nicolae, Diana Moise,Gabriel Antoniu, Luc Bougé, Mathieu Dorier (fr)
  • Matei Zaharia, Andy Konwinski, Anthony D. Joseph, Randy Katz, Ion Stoica (fr)
  • Bingsheng He, Wenbin Fang, Qiong Luo, Naga K. Govindaraju, Tuyong Wang (fr)
  • Kyong-Ha Lee, Yoon-Joon Lee, Hyunsik Choi, Yon Dohn Chung, Bongki Moon (fr)
  • A. Thusoo, J. S. Sarma, N. Jain, Z. Shao, P. Chakka, S. Anthony, H. Liu, P. Wychoff, R. Murthy (fr)
  • Colby Ranger, Ramanan raghuraman,Arun Penmetsa,Gary Bradski, Christos Kozyrakis (fr)
  • M. Stonebraker, D. Abadi, D. J. DeWitt, S. Madden, E.Paulson, A. Pavlo, A. Rasin (fr)
  • A. Pavlo, E. Paulson, A. Rasin, D. J. Abadi, D. J. DeWitt, S. Madden, M. Stonebraker (fr)
  • Jessica Hartog, Zacharia Fadika, Elif Dede, Madhusudhan Govindaraju (fr)
  • Jiong Xie, Shu Yin, Xiaojun Ruan, Zhiyang Ding, Yun Tian, James Majors, Adam Manzanares, Xiao Qin (fr)
  • Soila Kavulya, Jiaqi Tan, Rajeev Gandhi and Priya Narasimhan (fr)
  • Jeffrey Dean, Sanjay Ghemawat (fr)
  • Pedro Eazenda, James McDermott, Una-may O’Reilly (fr)
  • Shadi Ibrahim, Hai Jin, Lu Lu, Li Qi, Song Wu, Xuanhua Shi (fr)
  • Christoph Reichenbach, Yannis Smaragdakis and Neil Immerman (fr)
  • Bogdan Nicolae, Diana Moise,Gabriel Antoniu, Luc Bougé, Mathieu Dorier (fr)
  • Matei Zaharia, Andy Konwinski, Anthony D. Joseph, Randy Katz, Ion Stoica (fr)
  • Bingsheng He, Wenbin Fang, Qiong Luo, Naga K. Govindaraju, Tuyong Wang (fr)
  • Kyong-Ha Lee, Yoon-Joon Lee, Hyunsik Choi, Yon Dohn Chung, Bongki Moon (fr)
  • A. Thusoo, J. S. Sarma, N. Jain, Z. Shao, P. Chakka, S. Anthony, H. Liu, P. Wychoff, R. Murthy (fr)
  • Colby Ranger, Ramanan raghuraman,Arun Penmetsa,Gary Bradski, Christos Kozyrakis (fr)
dct:subject
rdfs:comment
  • MapReduce est un patron d'architecture de développement informatique, inventé par Google, dans lequel sont effectués des calculs parallèles, et souvent distribués, de données potentiellement très volumineuses, typiquement supérieures en taille à un téraoctet. Les termes « map » et « reduce », et les concepts sous-jacents, sont empruntés aux langages de programmation fonctionnelle utilisés pour leur construction (map et réduction de la programmation fonctionnelle et des langages de programmation tableau). (fr)
  • MapReduce est un patron d'architecture de développement informatique, inventé par Google, dans lequel sont effectués des calculs parallèles, et souvent distribués, de données potentiellement très volumineuses, typiquement supérieures en taille à un téraoctet. Les termes « map » et « reduce », et les concepts sous-jacents, sont empruntés aux langages de programmation fonctionnelle utilisés pour leur construction (map et réduction de la programmation fonctionnelle et des langages de programmation tableau). (fr)
rdfs:label
  • MapReduce (ca)
  • MapReduce (en)
  • MapReduce (eu)
  • MapReduce (fr)
  • MapReduce (it)
  • MapReduce (ja)
  • MapReduce (pl)
  • MapReduce (pt)
  • MapReduce (ru)
  • نموذج الهيكلة والتجميع (ar)
rdfs:seeAlso
owl:sameAs
prov:wasDerivedFrom
foaf:depiction
foaf:isPrimaryTopicOf
is dbo:wikiPageRedirects of
is dbo:wikiPageWikiLink of
is oa:hasTarget of
is foaf:primaryTopic of
Powered by OpenLink Virtuoso    This material is Open Knowledge     W3C Semantic Web Technology     This material is Open Knowledge    Valid XHTML + RDFa
This content was extracted from Wikipedia and is licensed under the Creative Commons Attribution-ShareAlike 3.0 Unported License