本文翻译自《BIG DATA ANALYTICS BEYOND HADOOP》译者：许巧辉
另一个来自Google的重要工具，看起来超越了Hadoop MR——Pregel框架实现了图形计算（Malewicez et al.2010）。在Pregel中的计算是由一系列迭代组成的，被称为supersteps。图上的每个顶点都与一个用户定义的计算函数相关联；Pregel确保每个superstep在图的每条边上并发调用用户定义的计算函数。顶点可通过边发送消息，并且顶点间可交换值。这也是个全局同步——所有操作必须在用户定义的函数结束后才能继续。熟悉BSP的读者可以看出为什么Pregel是BSP优秀的例子——一组实体在用户定义的函数中使用全局锁并行计算，并且能够进行消息交换。
阅读全文
本文翻译自《BIG DATA ANALYTICS BEYOND HADOOP》译者：吴京润
译者注：本文是本书第一章的开头，第一章其它部分由其他人翻译。
你可能是一个视频服务提供商，而你想基于网络环境动态的选择合适的内容分发网络来优化终端用户的体验。或者你是一个政府监管机构，需要为互联网页进行色情或非色情的分类以便过滤色情页面，同时还要做到高吞吐量以及实时性。或者你是一个通讯/移动服务提供商——要么你在这样的公司工作——而你担心客户流失（客户流失意味着，老用户离开而选择竞争对手，或者新用户加入竞争对手）。你一定非常想知道前一天有哪些客户在tweeter上抱怨你的服务。或者你是个零食店主，而你非常想对你的客户做购买预测，这样你就可以为你商品做更多有针对性的促销活动，并期望销售额由此带来的增长。或者你是一家医疗保险公司，当务之急是计算某位客户明年住院的概率，以便适当的修改的保费。或者你是一家金融产品公司的CTO，而公司希望拥有实时交易/预测算法，帮助确认损益表底线。或者你为一家电子制造公司工作，而你想在试运行期间预测故障、查明故障根源，以便在后来的实际运行中有效。这要归功于大数据分析创造的新世界。 阅读全文
本文翻译自《BIG DATA ANALYTICS BEYOND HADOOP》译者：吴京润 校对：方腾飞
我试图给人们学习大数据留下的一点深刻印象：尽管Apache Hadoop很有用，而且是一项非常成功的技术，但是这一观点的前提已经有些过时了。考虑一下这样一条时间线：由谷歌实现的MapReduce投入使用的时间可追溯到2002年，发表于2004年。Yahoo!于2006年发起Hadoop项目。MR是基于十年前的数据中心的经济上的考虑。从那时以来，已经有太多的东西发生了变化：多核心处理器、大内存地址空间、10G网络带宽、SSD，而至今，这已经产生足够的成本效益。这些极大改变了在构建可容错分布式商用系统规模方面的取舍。 阅读全文
Loading...