Enviar pesquisa
Carregar
Big data بزرگ داده ها
•
Transferir como PPT, PDF
•
39 gostaram
•
8,486 visualizações
Omid Sohrabi
Seguir
مقدمه ای بر بزرگ داده ها و ابزار های موجود در آن
Leia menos
Leia mais
Engenharia
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 41
Baixar agora
Recomendados
بیگ دیتا
بیگ دیتا
Hamed Azizi
Introduction to Hadoop and Spark - اسلاید کارگاه آموزش هدوپ و اسپارک شیراز
Introduction to Hadoop and Spark - اسلاید کارگاه آموزش هدوپ و اسپارک شیراز
Mobin Ranjbar
Batch Processing vs Stream Processing Difference
Batch Processing vs Stream Processing Difference
jeetendra mandal
Data lake benefits
Data lake benefits
Ricky Barron
Apache Iceberg Presentation for the St. Louis Big Data IDEA
Apache Iceberg Presentation for the St. Louis Big Data IDEA
Adam Doyle
Hive partitioning best practices
Hive partitioning best practices
Nabeel Moidu
Intro to Big Data Hadoop
Intro to Big Data Hadoop
Apache Apex
Intro to Delta Lake
Intro to Delta Lake
Databricks
Recomendados
بیگ دیتا
بیگ دیتا
Hamed Azizi
Introduction to Hadoop and Spark - اسلاید کارگاه آموزش هدوپ و اسپارک شیراز
Introduction to Hadoop and Spark - اسلاید کارگاه آموزش هدوپ و اسپارک شیراز
Mobin Ranjbar
Batch Processing vs Stream Processing Difference
Batch Processing vs Stream Processing Difference
jeetendra mandal
Data lake benefits
Data lake benefits
Ricky Barron
Apache Iceberg Presentation for the St. Louis Big Data IDEA
Apache Iceberg Presentation for the St. Louis Big Data IDEA
Adam Doyle
Hive partitioning best practices
Hive partitioning best practices
Nabeel Moidu
Intro to Big Data Hadoop
Intro to Big Data Hadoop
Apache Apex
Intro to Delta Lake
Intro to Delta Lake
Databricks
How One Company Offloaded Data Warehouse ETL To Hadoop and Saved $30 Million
How One Company Offloaded Data Warehouse ETL To Hadoop and Saved $30 Million
DataWorks Summit
Free Training: How to Build a Lakehouse
Free Training: How to Build a Lakehouse
Databricks
Why shift from ETL to ELT?
Why shift from ETL to ELT?
HEXANIKA
Neolane API Custom SOAP request handler
Neolane API Custom SOAP request handler
David Garcia
Data lineage and observability with Marquez - subsurface 2020
Data lineage and observability with Marquez - subsurface 2020
Julien Le Dem
To mesh or mess up your data organisation - Jochem van Grondelle (Prosus/OLX ...
To mesh or mess up your data organisation - Jochem van Grondelle (Prosus/OLX ...
Jochem van Grondelle
From HDFS to S3: Migrate Pinterest Apache Spark Clusters
From HDFS to S3: Migrate Pinterest Apache Spark Clusters
Databricks
Choosing the Right Graph Database to Succeed in Your Project
Choosing the Right Graph Database to Succeed in Your Project
Ontotext
Zookeeper Tutorial for beginners
Zookeeper Tutorial for beginners
jeetendra mandal
Some Iceberg Basics for Beginners (CDP).pdf
Some Iceberg Basics for Beginners (CDP).pdf
Michael Kogan
Working with Relational Databases in AWS Glue ETL (ANT342) - AWS re:Invent 2018
Working with Relational Databases in AWS Glue ETL (ANT342) - AWS re:Invent 2018
Amazon Web Services
A Thorough Comparison of Delta Lake, Iceberg and Hudi
A Thorough Comparison of Delta Lake, Iceberg and Hudi
Databricks
Data Warehouse Modernization: Accelerating Time-To-Action
Data Warehouse Modernization: Accelerating Time-To-Action
MapR Technologies
Streaming Event Time Partitioning with Apache Flink and Apache Iceberg - Juli...
Streaming Event Time Partitioning with Apache Flink and Apache Iceberg - Juli...
Flink Forward
Delivering Data Democratization in the Cloud with Snowflake
Delivering Data Democratization in the Cloud with Snowflake
Kent Graziano
Apache Iceberg - A Table Format for Hige Analytic Datasets
Apache Iceberg - A Table Format for Hige Analytic Datasets
Alluxio, Inc.
Data Modeling with Neo4j
Data Modeling with Neo4j
Neo4j
如何快速实现数据编织架构
如何快速实现数据编织架构
Denodo
Azure DataBricks for Data Engineering by Eugene Polonichko
Azure DataBricks for Data Engineering by Eugene Polonichko
Dimko Zhluktenko
Part 2: Apache Kudu: Extending the Capabilities of Operational and Analytic D...
Part 2: Apache Kudu: Extending the Capabilities of Operational and Analytic D...
Cloudera, Inc.
کلان داده کاربردها و چالش های آن
کلان داده کاربردها و چالش های آن
Hamed Azizi
عظيم داده چيست؟
عظيم داده چيست؟
digidanesh
Mais conteúdo relacionado
Mais procurados
How One Company Offloaded Data Warehouse ETL To Hadoop and Saved $30 Million
How One Company Offloaded Data Warehouse ETL To Hadoop and Saved $30 Million
DataWorks Summit
Free Training: How to Build a Lakehouse
Free Training: How to Build a Lakehouse
Databricks
Why shift from ETL to ELT?
Why shift from ETL to ELT?
HEXANIKA
Neolane API Custom SOAP request handler
Neolane API Custom SOAP request handler
David Garcia
Data lineage and observability with Marquez - subsurface 2020
Data lineage and observability with Marquez - subsurface 2020
Julien Le Dem
To mesh or mess up your data organisation - Jochem van Grondelle (Prosus/OLX ...
To mesh or mess up your data organisation - Jochem van Grondelle (Prosus/OLX ...
Jochem van Grondelle
From HDFS to S3: Migrate Pinterest Apache Spark Clusters
From HDFS to S3: Migrate Pinterest Apache Spark Clusters
Databricks
Choosing the Right Graph Database to Succeed in Your Project
Choosing the Right Graph Database to Succeed in Your Project
Ontotext
Zookeeper Tutorial for beginners
Zookeeper Tutorial for beginners
jeetendra mandal
Some Iceberg Basics for Beginners (CDP).pdf
Some Iceberg Basics for Beginners (CDP).pdf
Michael Kogan
Working with Relational Databases in AWS Glue ETL (ANT342) - AWS re:Invent 2018
Working with Relational Databases in AWS Glue ETL (ANT342) - AWS re:Invent 2018
Amazon Web Services
A Thorough Comparison of Delta Lake, Iceberg and Hudi
A Thorough Comparison of Delta Lake, Iceberg and Hudi
Databricks
Data Warehouse Modernization: Accelerating Time-To-Action
Data Warehouse Modernization: Accelerating Time-To-Action
MapR Technologies
Streaming Event Time Partitioning with Apache Flink and Apache Iceberg - Juli...
Streaming Event Time Partitioning with Apache Flink and Apache Iceberg - Juli...
Flink Forward
Delivering Data Democratization in the Cloud with Snowflake
Delivering Data Democratization in the Cloud with Snowflake
Kent Graziano
Apache Iceberg - A Table Format for Hige Analytic Datasets
Apache Iceberg - A Table Format for Hige Analytic Datasets
Alluxio, Inc.
Data Modeling with Neo4j
Data Modeling with Neo4j
Neo4j
如何快速实现数据编织架构
如何快速实现数据编织架构
Denodo
Azure DataBricks for Data Engineering by Eugene Polonichko
Azure DataBricks for Data Engineering by Eugene Polonichko
Dimko Zhluktenko
Part 2: Apache Kudu: Extending the Capabilities of Operational and Analytic D...
Part 2: Apache Kudu: Extending the Capabilities of Operational and Analytic D...
Cloudera, Inc.
Mais procurados
(20)
How One Company Offloaded Data Warehouse ETL To Hadoop and Saved $30 Million
How One Company Offloaded Data Warehouse ETL To Hadoop and Saved $30 Million
Free Training: How to Build a Lakehouse
Free Training: How to Build a Lakehouse
Why shift from ETL to ELT?
Why shift from ETL to ELT?
Neolane API Custom SOAP request handler
Neolane API Custom SOAP request handler
Data lineage and observability with Marquez - subsurface 2020
Data lineage and observability with Marquez - subsurface 2020
To mesh or mess up your data organisation - Jochem van Grondelle (Prosus/OLX ...
To mesh or mess up your data organisation - Jochem van Grondelle (Prosus/OLX ...
From HDFS to S3: Migrate Pinterest Apache Spark Clusters
From HDFS to S3: Migrate Pinterest Apache Spark Clusters
Choosing the Right Graph Database to Succeed in Your Project
Choosing the Right Graph Database to Succeed in Your Project
Zookeeper Tutorial for beginners
Zookeeper Tutorial for beginners
Some Iceberg Basics for Beginners (CDP).pdf
Some Iceberg Basics for Beginners (CDP).pdf
Working with Relational Databases in AWS Glue ETL (ANT342) - AWS re:Invent 2018
Working with Relational Databases in AWS Glue ETL (ANT342) - AWS re:Invent 2018
A Thorough Comparison of Delta Lake, Iceberg and Hudi
A Thorough Comparison of Delta Lake, Iceberg and Hudi
Data Warehouse Modernization: Accelerating Time-To-Action
Data Warehouse Modernization: Accelerating Time-To-Action
Streaming Event Time Partitioning with Apache Flink and Apache Iceberg - Juli...
Streaming Event Time Partitioning with Apache Flink and Apache Iceberg - Juli...
Delivering Data Democratization in the Cloud with Snowflake
Delivering Data Democratization in the Cloud with Snowflake
Apache Iceberg - A Table Format for Hige Analytic Datasets
Apache Iceberg - A Table Format for Hige Analytic Datasets
Data Modeling with Neo4j
Data Modeling with Neo4j
如何快速实现数据编织架构
如何快速实现数据编织架构
Azure DataBricks for Data Engineering by Eugene Polonichko
Azure DataBricks for Data Engineering by Eugene Polonichko
Part 2: Apache Kudu: Extending the Capabilities of Operational and Analytic D...
Part 2: Apache Kudu: Extending the Capabilities of Operational and Analytic D...
Destaque
کلان داده کاربردها و چالش های آن
کلان داده کاربردها و چالش های آن
Hamed Azizi
عظيم داده چيست؟
عظيم داده چيست؟
digidanesh
A Story of Big Data:Introduction
A Story of Big Data:Introduction
Mobin Ranjbar
Introduction to Apache Hadoop in Persian - آشنایی با هدوپ
Introduction to Apache Hadoop in Persian - آشنایی با هدوپ
Mobin Ranjbar
Hadoop Case Studies in the Real World in Persian - کاربردهای هدوپ در دنیای واقعی
Hadoop Case Studies in the Real World in Persian - کاربردهای هدوپ در دنیای واقعی
Mobin Ranjbar
Big Data and select suitable tools
Big Data and select suitable tools
Meghdad Hatami
Big Data Processing in Cloud Computing Environments
Big Data Processing in Cloud Computing Environments
Farzad Nozarian
هادوپ چيست؟
هادوپ چيست؟
digidanesh
آشنایی با دادههای بزرگ و تکنیکهای برنامهسازی برای پردازش دادههای بزرگ
آشنایی با دادههای بزرگ و تکنیکهای برنامهسازی برای پردازش دادههای بزرگ
Amir Sedighi
فناوریهای حوزهی کلان داده - Introduction to Big Data Technologies
فناوریهای حوزهی کلان داده - Introduction to Big Data Technologies
Ehsan Asgarian
Internet of Things Security Challlenges
Internet of Things Security Challlenges
quickheal_co_ir
Object Based Databases
Object Based Databases
Farzad Nozarian
تشخیص انجمن در مقیاس کلان داده
تشخیص انجمن در مقیاس کلان داده
Navid Sedighpour
(3) تحلیل با رویکرد یادگیری ژرف بر بستر کلانداده
(3) تحلیل با رویکرد یادگیری ژرف بر بستر کلانداده
Mohsen Fayyaz
داده های جریانی streaming data
داده های جریانی streaming data
Hosseinieh Ershad Public Library
Software Cost Estimation Methods:A Review - Persian
Software Cost Estimation Methods:A Review - Persian
Mobin Ranjbar
داده های عظیم چگونه دنیا را تغییر خواهند داد
داده های عظیم چگونه دنیا را تغییر خواهند داد
Farzad Khandan
عصر کلان داده، چرا و چگونه؟
عصر کلان داده، چرا و چگونه؟
datastack
اینترنت اشیا در 10 دقیقه
اینترنت اشیا در 10 دقیقه
Mahmood Neshati (PhD)
مروی بر استارترکیتها و پلتفرمهای اینترنت اشیاء
مروی بر استارترکیتها و پلتفرمهای اینترنت اشیاء
startupIoT
Destaque
(20)
کلان داده کاربردها و چالش های آن
کلان داده کاربردها و چالش های آن
عظيم داده چيست؟
عظيم داده چيست؟
A Story of Big Data:Introduction
A Story of Big Data:Introduction
Introduction to Apache Hadoop in Persian - آشنایی با هدوپ
Introduction to Apache Hadoop in Persian - آشنایی با هدوپ
Hadoop Case Studies in the Real World in Persian - کاربردهای هدوپ در دنیای واقعی
Hadoop Case Studies in the Real World in Persian - کاربردهای هدوپ در دنیای واقعی
Big Data and select suitable tools
Big Data and select suitable tools
Big Data Processing in Cloud Computing Environments
Big Data Processing in Cloud Computing Environments
هادوپ چيست؟
هادوپ چيست؟
آشنایی با دادههای بزرگ و تکنیکهای برنامهسازی برای پردازش دادههای بزرگ
آشنایی با دادههای بزرگ و تکنیکهای برنامهسازی برای پردازش دادههای بزرگ
فناوریهای حوزهی کلان داده - Introduction to Big Data Technologies
فناوریهای حوزهی کلان داده - Introduction to Big Data Technologies
Internet of Things Security Challlenges
Internet of Things Security Challlenges
Object Based Databases
Object Based Databases
تشخیص انجمن در مقیاس کلان داده
تشخیص انجمن در مقیاس کلان داده
(3) تحلیل با رویکرد یادگیری ژرف بر بستر کلانداده
(3) تحلیل با رویکرد یادگیری ژرف بر بستر کلانداده
داده های جریانی streaming data
داده های جریانی streaming data
Software Cost Estimation Methods:A Review - Persian
Software Cost Estimation Methods:A Review - Persian
داده های عظیم چگونه دنیا را تغییر خواهند داد
داده های عظیم چگونه دنیا را تغییر خواهند داد
عصر کلان داده، چرا و چگونه؟
عصر کلان داده، چرا و چگونه؟
اینترنت اشیا در 10 دقیقه
اینترنت اشیا در 10 دقیقه
مروی بر استارترکیتها و پلتفرمهای اینترنت اشیاء
مروی بر استارترکیتها و پلتفرمهای اینترنت اشیاء
Semelhante a Big data بزرگ داده ها
وبینار Data Integration
وبینار Data Integration
Hosseinieh Ershad Public Library
Sharding
Sharding
Ali Hallaji
مقدمه ای بر داده کاوی
مقدمه ای بر داده کاوی
data scientist
طراحی، پیادهسازی و ارزیابی رایانش توری تحت وب
طراحی، پیادهسازی و ارزیابی رایانش توری تحت وب
MoEii Hm
مقدمه ای بر جمع آوری اطلاعات
مقدمه ای بر جمع آوری اطلاعات
iuvmtech
Fo it 94-11-database
Fo it 94-11-database
mb_dadkhah
Librarian2.0-v05
Librarian2.0-v05
YaBeSH KelassUp
اسلايد آموزشي هوش تجاري
اسلايد آموزشي هوش تجاري
Ali Masoombeigi
1393 itrc-ارائه-مدل-مفهومی-روندها-و-حوزه-های-تحقیقاتی-داده-های-عظیم
1393 itrc-ارائه-مدل-مفهومی-روندها-و-حوزه-های-تحقیقاتی-داده-های-عظیم
Ebrahim S. Barazandeh
Opendata and business - داده های باز و کسب و کار
Opendata and business - داده های باز و کسب و کار
efazati
Efazati opendata slides
Efazati opendata slides
Hosseinieh Ershad Public Library
نمایه سازی ماشینی در گوگل
نمایه سازی ماشینی در گوگل
Javad Pourhosaini
What is big data and how use that
What is big data and how use that
shohreh deldari
How to get startup ideas (karnova.ir)
How to get startup ideas (karnova.ir)
Ali Sohofi
مراکز داده
مراکز داده
aria1248
نرم افزار مدیریت اکتیو دایرکتوری برنا
نرم افزار مدیریت اکتیو دایرکتوری برنا
danapardaz
نرم افزار مدیریت اکتیو دایرکتوری برنا
نرم افزار مدیریت اکتیو دایرکتوری برنا
dana_pardaz
توسعه نرمافزارهای مقیاسپذیر بر اساس معماری ریزسرویسها (Microservices) و اجر...
توسعه نرمافزارهای مقیاسپذیر بر اساس معماری ریزسرویسها (Microservices) و اجر...
Web Standards School
13940305-NetManagementOS_ver1.5
13940305-NetManagementOS_ver1.5
Ehsan Khanahmadi
دادهاي سازي کسب و کار
دادهاي سازي کسب و کار
Hosseinieh Ershad Public Library
Semelhante a Big data بزرگ داده ها
(20)
وبینار Data Integration
وبینار Data Integration
Sharding
Sharding
مقدمه ای بر داده کاوی
مقدمه ای بر داده کاوی
طراحی، پیادهسازی و ارزیابی رایانش توری تحت وب
طراحی، پیادهسازی و ارزیابی رایانش توری تحت وب
مقدمه ای بر جمع آوری اطلاعات
مقدمه ای بر جمع آوری اطلاعات
Fo it 94-11-database
Fo it 94-11-database
Librarian2.0-v05
Librarian2.0-v05
اسلايد آموزشي هوش تجاري
اسلايد آموزشي هوش تجاري
1393 itrc-ارائه-مدل-مفهومی-روندها-و-حوزه-های-تحقیقاتی-داده-های-عظیم
1393 itrc-ارائه-مدل-مفهومی-روندها-و-حوزه-های-تحقیقاتی-داده-های-عظیم
Opendata and business - داده های باز و کسب و کار
Opendata and business - داده های باز و کسب و کار
Efazati opendata slides
Efazati opendata slides
نمایه سازی ماشینی در گوگل
نمایه سازی ماشینی در گوگل
What is big data and how use that
What is big data and how use that
How to get startup ideas (karnova.ir)
How to get startup ideas (karnova.ir)
مراکز داده
مراکز داده
نرم افزار مدیریت اکتیو دایرکتوری برنا
نرم افزار مدیریت اکتیو دایرکتوری برنا
نرم افزار مدیریت اکتیو دایرکتوری برنا
نرم افزار مدیریت اکتیو دایرکتوری برنا
توسعه نرمافزارهای مقیاسپذیر بر اساس معماری ریزسرویسها (Microservices) و اجر...
توسعه نرمافزارهای مقیاسپذیر بر اساس معماری ریزسرویسها (Microservices) و اجر...
13940305-NetManagementOS_ver1.5
13940305-NetManagementOS_ver1.5
دادهاي سازي کسب و کار
دادهاي سازي کسب و کار
Big data بزرگ داده ها
1.
مقدمهبر ایBig Data استاد:یخنجر
دکتر دهندگانائهرا:سهرابی امید ،حسنوند سعید
2.
www.company.com مطالب فهرست •Big Dataچیست؟ •ارچBig
Data؟ •چالشپیشههاییورBig Data •آیندهیBig Data •جنبشNoSQL •انواعNoSQL •MapReduce •Hadoop 1
3.
www.company.com Big Dataچیست؟2 •معناییلغو •داده کالن •دادهحجیمهای •داده
گربز •تعریف •درندا وجودواحدیتعریف! •تعریف تمامی در اصلی عنصر دوها •داده از یادیز حجم ِوجودها •پایگاه ِناتوانیداده مدیریت در سنتی داده هایها
4.
www.company.com Big Dataچیست؟3 •ویژگیها Big Data
5.
www.company.com Big Dataچیست؟4 •دادهحجمها(Volume) •سال تا2003داده
کل حجمحدود ،موجود های 5است بوده اگزابایت •،روز دو هر در امروزهحدود5اگزابایت می تولید دادهشود •شرگزاIBM •تولید2.5روز در داده اگزابایت •تولید90داده کل درصددو در موجود های اخیر سال 0.8 Zb 35.2 Zbرشدی44 برابری 2009 2020
6.
www.company.com Big Dataچیست؟5 •دادهحجمها(Volume) •سال تا2003داده
کل حجمحدود ،موجود های 5است بوده اگزابایت •،روز دو هر در امروزهحدود5اگزابایت می تولید دادهشود •شرگزاIBM •تولید2.5روز در داده اگزابایت •تولید90داده کل درصددو در موجود های اخیر سال EXA 218 PETA 215 TERA 212 ZETTA 221 GIGA 29 2018 2015 2012 2003
7.
www.company.com Big Dataچیست؟6 •ها دادهحجم(Volume)
8.
www.company.com Big Dataچیست؟7 •نمونهها •فیسبوک(1392) •بررکا درمیلیا
یک از بیش •از بیش300داده پتابایت •ازبیش ِشدن اضافه50زور در دادهترابایت •از بیش35یمجاز دنیای تصاویر ِکل از صدرد •گوگل(1390) •داده پتابایت صد از بیش –از بیش1000وب صفحه درمیلیا •حدود7.2جست درمیلیازور در وجو
9.
www.company.com Big Dataچیست؟8 •نمونهها •یوتیوب(1393) •دادهاگزابایت یک
از بیش •ماه در بررکا درمیلیا یک از بیش ِدیدزبا •80آمریکا از خارجترافیک صدرد •دقیقه در فیلم ساعت صد شدن اضافه •توییتر(1393) •بررکا درمیلیا یک حدود •از بیش124سال در توییت درمیلیا •حدود4500ثانیه در توییت •271ماه در فعال بررکا نمیلیو
10.
www.company.com Big Dataچیست؟9 •نمونهها •شبکهحسگر های •مانزسای
هواشناس های •دستگاهپزشکیهای •ماتیکربیوانفو •مانزساگربز های •و...
11.
www.company.com Big Dataچیست؟10 •ویژگیها Big Data
12.
www.company.com Big Dataچیست؟11 •داده در
تنوعها(Variety) •دادههایمندرساختا(Structured) •دادههستند مشخصی ِساختار دارای که هایی –ها رشته –اعداد –تاریخ –و... •حدود20داده کل از درصد،موجود های هستند ساختارمند •پایگاه از استفادهداده هایرابطه یای
13.
www.company.com Big Dataچیست؟12 •داده در
تنوعها(Variety) •دادهمندرساختاهای(Structured) •دادههایمندرساختانیمه(Semi-Structured) •ندارند مشابه و سازگار ساختاری –XML –Tweets –SGML –Logs –و... •ی داده های پایگاه از استفاده امکان عدم رابطهای
14.
www.company.com Big Dataچیست؟13 •داده در
تنوعها(Variety) •دادهمندرساختاهای(Structured) •دادههایمندرساختانیمه(Semi-Structured) •دادههایساختار فاقد(Unstructured) •هستند ساختاری هرگونه فاقد –دادهرسانه چند هایای(و صوت ،فیلم)... –ایمیلها –گزارشات –ارائهها –و.... •حدود70تا90داده کل از درصدموجود های
15.
www.company.com Big Dataچیست؟14 •هاداده در
تنوع(Variety)
16.
www.company.com Big Dataچیست؟15 •ویژگیها Big Data
17.
www.company.com Big Dataچیست؟16 •دادهسریعشدرها(velocity) •داد ِتولید
درباالسرعتهجدیدهای
18.
www.company.com Big Dataچیست؟17 •دادهسریعشدرها(velocity) •داده تولید
درباالسرعتجدیدهای •جوها وپرسایجاد در باالسرعت علمی تجهیزات شبکهحسگر های
19.
www.company.com Big Dataچیست؟18 •پیچیدگی(complexity) •یتغییرپذیر(Variability) •و... Big Data 3V’s
•ویژگیها
20.
www.company.com ارچBig Data؟19 •شدریسازذخیره ادوات
ظرفیتنوافز زور
21.
www.company.com ارچBig Data؟20 •یسازذخیرهادوات ظرفیتنوافز
زور شدر •چشمافزایشسیستمی شزپردا ترقد گیرها
22.
www.company.com ارچBig Data؟21 •یسازذخیرهادوات ظرفیتنوافز
زور شدر •چشمافزایشسیستمی شزپردا ترقد گیرها •داده حجمافزایشموجودهای
23.
www.company.com چالشپیشهاییورBig Data22 •شوراییرکاعدماطالعاتتحلیل سنتیهای •دادهتحلیل •ی
شخصحریم وامنیت •ی شزپرداو فنیمشکالت
24.
www.company.com آیندهیBig Data23 •Big DataدرGoogle
Trend
25.
www.company.com آیندهیBig Data24 •Big DataدرGoogle
Trend
26.
www.company.com آیندهیBig Data25 •ی هشوپژجایگاهBig
Dataموسسه نظرازتنررگای
27.
www.company.com ایرب یژتکنولو چهBig
Data؟ دردا وجود شدهیعزتو وساختار نبدو مدل یکازاستفاده مدل این ازاستفاده دلیل 26
28.
www.company.com جنبشNoSQL27 یخچهرتا Not Only SQL NoSQLکه
کندنمی بیانSQLوشوداستفاده نباید هیچگاه استمرده یا
29.
ایابطهر غیر هایدادهپایگاهازهاییمثالCompany LOGO 28
30.
www.company.com جنبشNoSQL–Key Value29 1–یسازذخیرهKey –
Value: •ایدادهمدل:کلیدهایجوز ازایمجموعه–مقدار •مثال:Tokyo , Redis , Voldemort
31.
www.company.com جنبشNoSQL–Column30 2–رمحو نستویسازذخیره: •ایدادهمدل:سطرها جایبههانستو
یسازذخیره •مثال:Cassandra, HyperTable, HBase
32.
www.company.com جنبشNoSQL–Document31 3–سندگرایسازذخیره: •ایدادهمدل:کلیدیمجموعه ازایمجموعه-هارمقدا •مثال:CouchDB ,
MongoDB
33.
www.company.com جنبشNoSQL–Graph32 4–گرافیسازذخیره: •ایدادهمدل:کلید ،هاتباطرا،هاگره–هرکدامیور مقدار •مثال:Sones,
AllegroGraph , Neo4j
34.
ایابطهر غیر هایدادهپایگاهازهاییمثالCompany LOGO 33
35.
www.company.com هایکرو فریم مقایسهNoSQL34
MySQL MongoDB یا CouchDB Neo4j
36.
Map ReduceCompany LOGO 35
37.
www.company.com Hadoop36 Hadoopهمان ،VMwareمتفاوت اهیردراما
هست
38.
تفاوتHadoopیمجاز ماشین وCompany LOGO37 Hadoop 1.فیزیکی
سرور چند گیردمی را 2.هم با را آنها کندمی ترکیب 3.بزرگ سرور یک دهدمی ارائه مجازی Vmware 1.فیزیکی سرور یک گیردمی 2.شکندمی را آن 3.مجازی سرور چند دهدمی ارائه
39.
www.company.com یگیر نتیجه38 کروفریمیک که
گفت قاطعیت باتواننمیNoSQL است کار یکمختص
40.
منابعCompany LOGO39 1 - http://www.economistinsights.com/sites/default/files/downloads/ EIU_SAS_BigData_4.pdf 2
- http://en.wikipedia.org/wiki/MapReduce 3 - http://en.wikipedia.org/wiki/NoSQL 4 - http://www.ibm.com/big-data/us/en/ 5 - Marco Grobelink,Jozef stefan Institute,Big-Data Tutorial, 2013.
41.
www.company.com پاسخ و پرسش40
Baixar agora