இன்று நாம் நிகழ்வை அனுபவிக்கிறோம் பெரிய தரவு, எண்ணற்ற மூலங்களிலிருந்து ஏராளமான தரவைப் பெறலாம். இந்த அபரிமிதமான தரவு பல நன்மைகளைத் தருகிறது, இருப்பினும் இது பல சவால்களையும் தருகிறது. அவற்றில் மிகவும் பொதுவானது: மொத்த தரவுத்தொகுப்பில் மறுமொழி நேரம்.
வரைபடம் பகுப்பாய்வு தரவுத்தளத் துறையில் அதிக வேகத்தை வழங்க பிறந்தார். செயலாக்க வடிவமைக்கப்பட்டுள்ளது மில்லி விநாடிகளில் டிரில்லியன் கணக்கான பதிவுகள் வழங்கிய கணினி சக்தியைப் பயன்படுத்தி ஜி.பீ.யூகள். கிராபிக்ஸ் கார்டுகளில் கிடைக்கும் அனைத்து வன்பொருள் மற்றும் மென்பொருள் திறன்களையும் முழுமையாகப் பயன்படுத்த துல்லியமாக கட்டப்பட்டுள்ளது, இது இந்த நோக்கங்களுக்காக முன்னர் பயன்படுத்தப்பட்ட தொழில்நுட்பங்களுக்கு மேலே 3 ஆர்டர்கள் அளவு (x1000) பற்றி ஆய்வாளர்கள் மற்றும் தரவு விஞ்ஞானிகளின் மறுமொழி நேரங்களை வழங்குகிறது. நேரியல் இயற்கணித பணிகள் மற்றும் தரவுத்தள தேடல்களைச் செய்வதற்கு ஜி.பீ.யுகள் (நவீன ஜி.பீ.யுகளில் சுமார் 80000 கோர்கள்) மற்றும் பெரிய மெமரி அலைவரிசைகள் (சுமார் 8 ஜி.பி.பி.எஸ்) ஆகியவற்றைப் பயன்படுத்தி, எல்.எல்.வி.எம் ஐப் பயன்படுத்தி ஒவ்வொரு ஆலோசனையையும் நிகழ்நேரத்தில் தொகுக்க, கூடுதலாக ஆலோசிக்கப்பட்ட தரவை வைத்திருப்பது GPU களின் தற்காலிக சேமிப்பில் (அதிவேக DDR5 நினைவுகள்).
பெரிய தரவு உலகில், கோப்புகளை எழுதுதல் மற்றும் பாதுகாத்தல் ஆகியவற்றின் அடிப்படையில் பாரம்பரிய தரவுத்தளங்கள் பயன்படுத்தப்படுவதில்லை என்பதை நாம் நினைவில் கொள்ள வேண்டும், ஏனெனில் இவை வன் வட்டில் அதிக அளவு I / O பணிகளை ஏற்படுத்தும். பில்லியன் கணக்கான பதிவுகளை பகுப்பாய்வு செய்யும் நோக்கத்திற்காக, தி நினைவக தரவுத்தளங்கள், அப்பாச்சி ஸ்பார்க் போன்றது. இருப்பினும், தேவையான நினைவகத்தின் அளவு மற்றும் விரும்பிய செயல்திறனைப் பெறுவதற்கு, ஒரு சேவையகக் கொத்து அவசியம், இது வன்பொருள், நெட்வொர்க் கேபிளிங் மற்றும் அதிக எண்ணிக்கையிலான தொழில்நுட்ப வல்லுநர்களின் செலவுகளைக் குறிக்கிறது என்பதை நாங்கள் அறிவோம். இதனால், வரைபடம் குறைந்த செலவு மற்றும் சிக்கலான உயர் செயல்திறனை அடைவதற்கான திறனை வழங்குகிறது, மேலும் தரவு பகுப்பாய்விற்கான அதிக செயல்திறன் தொழில்நுட்பங்களை அணுக அதிக நபர்களை அனுமதிக்கிறது.
GPU களால் ஆதரிக்கப்பட்டதற்கு நன்றி, MapD யும் GPU களின் கிராபிக்ஸ் திறன்களைப் பயன்படுத்தி தரவு காட்சிப்படுத்தலுக்கான சூழலை வழங்குகிறது. இது அதிக அளவு தரவுகளுடன் ஊடாடும் வரைபடங்களை உருவாக்க உதவுகிறது, இது தகவலுடன் கிட்டத்தட்ட உண்மையான நேரத்தில் தொடர்பு கொள்ள அனுமதிக்கிறது (ஒவ்வொரு தரவு ஆய்வாளரின் ஈரமான கனவு). ஜி.பீ.யுகளைப் பயன்படுத்தி அதே சூழலுடன் மேம்பட்ட பகுப்பாய்வு செய்ய சில இயந்திர கற்றல் வழிமுறைகளை (இயந்திர கற்றல்) சேர்ப்பதோடு கூடுதலாக.
நாங்கள் உலாவ அழைக்கிறோம் MapD அதிகாரப்பூர்வ பக்கம் அதன் ஒவ்வொரு அம்சத்தையும் இன்னும் விரிவாக மதிப்பாய்வு செய்ய. MapD ஐ சாத்தியமாக்கிய தொழில்நுட்பங்கள் மற்றும் அணுகுமுறைகளை விவரிக்கும் ஒரு காகிதத்தையும் அவர்கள் இலவசமாக பதிவிறக்கம் செய்யலாம். நீங்கள் சிலவற்றை கூட அனுபவிக்க முடியும் செய்முறைகள் ஆச்சரியம்!
MapD தற்போது பீட்டாவில் உள்ளது லினக்ஸுக்கு கிடைக்கிறது, அதில் பங்கேற்க நீங்கள் அவர்களுக்கு (விளக்கமளிக்கும் அறிக்கையுடன்) எழுதலாம்.
அந்த மாதிரியான விஷயங்களை ஒருபோதும் கற்பனை செய்து பார்க்காதீர்கள், முதலில் எனக்கு மறுபரிசீலனை செய்வது விசித்திரமாகத் தெரிந்தால், எல்லாமே முன்கூட்டியே தான்