There is currently considerable ent

There is currently considerable enthusiasm around the MapReduce
(MR) paradigm for large-scale data analysis [17]. Although the
basic control flow of this framework has existed in parallel SQL
database management systems (DBMS) for over 20 years, some
have called MR a dramatically new computing model [8, 17]. In
this paper, we describe and compare both paradigms. Furthermore,
we evaluate both kinds of systems in terms of performance and development
complexity. To this end, we define a benchmark consisting
of a collection of tasks that we have run on an open source
version of MR as well as on two parallel DBMSs. For each task,
we measure each system’s performance for various degrees of parallelism
on a cluster of 100 nodes. Our results reveal some interesting
trade-offs. Although the process to load data into and tune
the execution of parallel DBMSs took much longer than the MR
system, the observed performance of these DBMSs was strikingly
better. We speculate about the causes of the dramatic performance
difference and consider implementation concepts that future systems
should take from both kinds of architectures.

Результаты (русский) 2:

Существует в настоящее время значительный энтузиазм вокруг MapReduce
(MR) парадигмы для анализа данных масштабного [17]. Хотя
основной поток управления этой структуры существует в параллельных
SQL-систем управления базами данных (СУБД) для более чем 20 лет, некоторые
называют г-на принципиально новых вычислительных модель [8, 17]. В
этой статье мы опишем, и сравнить обе парадигмы. Кроме того,
мы оцениваем оба вида систем в плане производительности и развития
сложности. Для этого, мы определяем точку отсчета, состоящую
из коллекции задач, которые мы уже запустили на открытом исходном
варианте МР, ​​а также на двух параллельных СУБД. Для каждой задачи,
мы измеряем производительность каждой системы для различных степеней параллелизма
в кластере 100 узлов. Наши результаты показывают некоторые интересные
компромиссы. Хотя процесс загрузки данных в и настроить
выполнение параллельных СУБД взял намного дольше, чем МР
системе, наблюдается исполнение этих СУБД была поразительно
лучше. Мы полагаем, о причинах резкого производительности
разницы и рассмотреть концепции реализации, что будущие системы
должны принимать от обоих видов архитектур.

Результаты (русский) 3:

в настоящее время большой энтузиазм вокруг mapreduce
(г) парадигмы для широкомасштабного анализа данных [17].хотя
основных потока управления в этой системе существовал параллельно SQL
систем управления базами данных (субд) более 20 лет, некоторые
называют мистер резко новую компьютерную модель [8, 17].в сша этот документ, мы описываем и сравнить оба парадигм.кроме того,
мы оцениваем как виды систем в плане эффективности и развития
сложности.с этой целью мы определить критерии в составе
коллекция задачи, которые мы должны бежать по с открытым исходным кодом
версии г - н, а также о двух параллельных dbmss.для каждой задачи: мы измеряем каждой системы показателей для различных степеней параллелизм
по блоку 100 узлов.наши результаты показывают интересные.компромиссов.хотя процесс загрузки данных в и мелодию
исполнения параллельно dbmss занимают намного больше времени, чем мистер
системы, отмеченные показатели этих dbmss был удивительно
лучше.мы рассуждать о причинах резкого служебной
разница и рассмотреть возможность осуществления концепции, которые в будущем систем
следует принять как из рода архитектурах.