话题： Hadoop
-
大数据的诗和远方
2016-12-25即使现在有很多高级分析工具和技术出现，但分析团队在开发大数据应用程序，以及从大数据分析应用中获得可用数据时，仍然面临大量挑战。
-
引领“大数据技术风暴” 机器学习正当下
2016-12-21 | 作者：Jack Vaughan | 翻译：杨宏玉Ovum（咨询顾问公司）的分析师Tony Baer分享了他对于云端机器学习工具，物联网驱动流分析和Hadoop的一些观点。这些技术在2016年备受人们关注，2017年这种趋势将会延续。
-
IT 团队如何将大数据分析“化繁为简”？
2016-12-19 | 作者：Craig Stedman | 翻译：杨宏玉即使现在有了高级分析工具扩展阵列，但分析团队在开发大数据应用程序，以及从大数据分析应用中获得可用数据方面，仍然面临大量挑战。
-
大数据管道技术 推动Hadoop架构与开发模式的变革
2016-12-06 | 作者：Jack Vaughan | 翻译：杨宏玉最近几年，开源Hadoop风格的数据开发已经获得了很大的关注，但让主流企业采用这种开发模式依然用了很长时间。
-
Cask框架：加速构建Azure HDInsight数据管道
2016-12-04 | 作者：Jack Vaughan | 翻译：张亮亮Microsoft Azure之类的云正努力将部署简化，但这和端对端大数据分析应用程序的实现以及将其在云上运行一样困难。
-
Spark架构在大数据环境的核心位置找到用武之地
2016-12-01 | 作者：Craig Stedman | 翻译：张亮亮Spark的最开始的名片是它能比MapReduce更快地运行批处理应用程序，而其编程环境和执行引擎是嵌入在Hadoop原始版本中的。
-
功能上的“硬伤”并非Spark应用解不开的死结
2016-11-30 | 作者：Craig Stedman | 翻译：张亮亮虽然Spark自身还有待完善，但由于在批处理应用性能方面的优势，Spark正在逐渐将MapReduce边缘化，该数据处理引擎的使用正在快速增长。
-
Hadoop生态系统中的容器和微服务 玩出哪些新花样？
2016-11-28 | 作者：Jack Vaughan | 翻译：冯昀晖最近大多数大数据应用都部署在裸设备上，这意味着Hadoop大多数部署在非虚拟化服务器上。随着容器和微服务对应用开发圈产生影响，这种情况在发生改变。
-
成本性能要兼得？简化Hadoop云部署有高招
2016-11-14 | 作者：Craig Stedman | 翻译：杨宏玉大数据和云计算现在对于Hadoop供应商和一些大数据技术公司来说，已经变得十分重要。这些公司正在尝试使用新方法简化用户部署Hadoop云系统的步骤，并降低用户的部署成本。
-
Hadoop工具让数据仓库迁移更轻松
2016-11-08 | 作者：Jack Vaughan | 翻译：张亮亮即便进入Hadoop时代已经有些年头了，但将任务迁移至分布式平台并非易事。能够找出哪些任务在不给大量开发人员带来麻烦的情况下进行迁移，有助于数据管理人员做出最佳选择。
共250条记录