Hadoop uses the master–slave archit

Hadoop uses the master–slave architecture. A master node (also called a NameNode) receives the job from the user. The input data are broken into pieces and stored in the Hadoop distributed file system (HDFS). Physically, these data pieces are scattered over a large number of nodes in the system. The master node assigns the components of the job (map processes) to the various slave nodes (also called DataNodes). Each slave con- tributes some local storage and computational power to solve the problem. When the slave nodes complete their tasks, they return the results to the master. The master runs the reduce process to aggregate the pieces and generate the result. If necessary, the slave nodes may further subdivide the task and assign them to other slave nodes. Collectively, such an implementation involves thousands of computing nodes and can handle petabytes of data. DataNode failures are automatically handled in this framework. Hadoop is written in Java.

Результаты (русский) 1:

Hadoop использует архитектуру master-slave. Главный узел (также называемый NameNode) получает задание от пользователя. Входные данные разбиваются на куски и хранятся в файловой системе распределенных Hadoop (HDFS). Физически эти части данных разбросаны по большим числом узлов в системе. Главный узел назначает компоненты работы (процессы map) различных подчиненных узлов (также называемые DataNodes). Каждый раб кон даням некоторые локального хранилища и вычислительной мощности для решения проблемы. Когда подчиненные узлы выполнят свои задачи, они возвращают результаты к мастеру. Мастер запускает процесс сокращения для объединения частей и генерировать результат. При необходимости, подчиненные узлы могут далее подразделять задачу и назначить их на другие подчиненные узлы. В совокупности такая реализация включает тысячи вычислительных узлов и может обрабатывать петабайт данных. DataNode сбои автоматически обрабатываются в этом контексте. Hadoop написан на Java.

Результаты (русский) 2:

Hadoop использует ведущий-ведомый архитектуры. Мастер-узел (также называемый NameNode) получает задание от пользователя. Входные данные разбиваются на части и хранятся в распределенной файловой системе Hadoop (HDFS). Физически эти куски данных разбросаны по большому количеству узлов в системе. Главный узел присваивает компоненты задания (показать на карте) процессы в различных подчиненных узлов (также называемые DataNodes). Каждый подчиненный вносит свой вклад некоторое локальное хранение и вычислительной мощности, чтобы решить эту проблему. Когда подчиненные узлы выполнить свои задачи, они возвращают результаты к мастеру. Мастер запускает процесс сокращения агрегировать части и генерировать результат. При необходимости, подчиненные узлы могут дополнительно подразделить задачу и назначить их на других подчиненных узлов. В совокупности такая реализация включает в себя тысячи вычислительных узлов и может обрабатывать петабайт данных. DataNode сбои автоматически обрабатываются в этих рамках. Hadoop написана на Java.

Результаты (русский) 3:

Hadoop использует мастер - раб архитектуры.главного узла (также называемого namenode) получает задание от пользователя.входных данных разорваны на куски и хранится в Hadoop файловую систему работы с HDFS).физически, эти данные куски разбросаны по большое количество узлов в системе.главный узел уступает компонентов работы (карта процессов) различных раб узлов (также называемого datanodes).каждый раб con - дань некоторые местные хранения и вычислительной мощности, чтобы решить проблему.когда раб узлов выполнить свои задачи, они возвращают результаты мастер.мастер может сократить процесс по общей части и принести результат.в случае необходимости, раб узлов, может дополнительно выделить задачу и передать их другим раб узлов.коллективно, такой реализации участвуют тысячи вычислительных узлов и может обрабатывать петабайты информации.datanode сбоев автоматически производится в этой программе.Hadoop написан на Java.