Cuprins:
- Ce este datele din grafic?
- În cele din urmă, proiectul Apache Spark are opțiunea GraphX, care permite generarea de date grafice și apoi procesare, toate în cadrul Spark.
Video: Hadoop Processing Frameworks 2024
Una dintre cele mai interesante tehnologii NoSQL, care se ridică, implică stocarea și prelucrarea datelor grafice. S-ar putea să credeți că această afirmație este o veste veche, deoarece oamenii de știință din domeniul calculatoarelor au dezvoltat tehnici de analiză grafică de zeci de ani. Ceea ce spuneți ar putea fi adevărat, dar ceea ce este nou este că prin utilizarea lui Hadoop, puteți face analize grafice la scară largă.
Ce este datele din grafic?
Un grafic în termeni de date este pur și simplu o reprezentare a entităților individuale și a relațiilor lor. Entitățile unui grafic sunt cunoscute sub numele de noduri (sau noduri ), iar relațiile dintre entități dintr-un grafic sunt cunoscute ca marginile >). Reprezentarea seturilor de date într-un grafic, spre deosebire de rândurile și coloanele tradiționale, face mult mai ușor procesarea datelor în moduri care fac ca relațiile dintre obiecte să fie limitate. Calculele grafice tipice sunt reprezentate de distanța cea mai scurtă dintre mai multe noduri din graficul dvs. sau pur și simplu de câte noduri au conexiuni de un anumit tip la un anumit nod.
Analiza grafică în Hadoop
Începând cu primăvara anului 2014, analiza grafică a lui Hadoop rămâne în faza incipientă. Odată cu apariția lui YARN în Hadoop 2, analizele grafice și alte tehnici de prelucrare specializate vor deveni din ce în ce mai populare pe Hadoop. Multe dintre site-urile sociale menționate în acest articol utilizează propriile baze de date grafice și motoare de procesare, dar Facebook este un utilizator proeminent al lui Giraph. Deoarece sigla de aprobare Facebook (implicită), Giraph a devenit o alegere populară pentru analiza grafică a lui Hadoop, dar are unele limitări. Este doar un motor de procesare, deoarece încarcă datele ca un grafic în memoria clusterului și este optimizat pentru interogări orientate pe loturi.O altă soluție de procesare grafică vine de la Aurelius, o companie care a lansat un set de instrumente de analiză grafică open-source pentru Hadoop. Miezul ofertelor sale este Titan, o bază de date grafică care utilizează HBase ca strat de persistență optimizat pentru interogări interactive și Faunus, un motor de procesare a graficelor care stochează un instantaneu al unui grafic din Titan în HDFS și execută lucrări MapReduce împotriva lui. Pentru aplicațiile interactiv (Titan) și lot (Faunus), Aurelius are API-ul graf-traversal denumit Gremlin.