మ్యాప్‌డి: జిపియులలో పనిచేసే డేటాబేస్

ఈ రోజు మనం దృగ్విషయాన్ని అనుభవిస్తున్నాము బిగ్ డేటా, మేము అనంతమైన మూలాల నుండి అపారమైన డేటాను పొందవచ్చు. ఈ అపారమైన డేటా చాలా ప్రయోజనాలను తెస్తుంది, అయినప్పటికీ ఇది చాలా సవాళ్లను తెస్తుంది. వాటిలో సర్వసాధారణం: బల్క్ డేటాసెట్‌లో ప్రతిస్పందన సమయాలు.

1

మ్యాప్‌డి విశ్లేషణాత్మక డేటాబేస్ రంగంలో అధిక వేగం అందించడానికి జన్మించారు. ప్రాసెస్ చేయడానికి రూపొందించబడింది మిల్లీసెకన్ల విషయంలో ట్రిలియన్ల రికార్డులు అందించే కంప్యూటింగ్ శక్తిని సద్వినియోగం చేసుకోండి GPUs. గ్రాఫిక్స్ కార్డులలో లభించే అన్ని హార్డ్‌వేర్ మరియు సాఫ్ట్‌వేర్ సామర్ధ్యాల యొక్క పూర్తి ప్రయోజనాన్ని పొందడానికి ఖచ్చితంగా నిర్మించబడింది, ఇది ఈ ప్రయోజనాల కోసం గతంలో ఉపయోగించిన సాంకేతిక పరిజ్ఞానాల కంటే 3 ఆర్డర్‌ల మాగ్నిట్యూడ్ (x1000) గురించి విశ్లేషకులు మరియు డేటా శాస్త్రవేత్తల ప్రతిస్పందన సమయాన్ని అందిస్తుంది. సరళ బీజగణితం మరియు డేటాబేస్ శోధనలను నిర్వహించడానికి GPU లు (ఆధునిక GPU లలో సుమారు 80000 కోర్లు) మరియు పెద్ద మెమరీ బ్యాండ్‌విడ్త్‌లు (సుమారు 8Gbps) ప్రయోజనాన్ని పొందడం, ప్రతి సంప్రదింపులను నిజ సమయంలో కంపైల్ చేయడానికి LLVM ను ఉపయోగించడం, అదనంగా ఎక్కువ సంప్రదింపుల డేటాను ఉంచడం GPU ల యొక్క కాష్ (హై-స్పీడ్ DDR5 జ్ఞాపకాలు).

బిగ్ డేటా ప్రపంచంలో, ఫైళ్ళను రాయడం మరియు సంరక్షించడం ఆధారంగా సాంప్రదాయ డేటాబేస్లు ఉపయోగించబడవని మనం గుర్తుంచుకోవాలి, ఎందుకంటే ఇవి హార్డ్ డిస్క్‌లో అధిక మొత్తంలో I / O పనులను కలిగిస్తాయి. బిలియన్ల రికార్డులను విశ్లేషించే ప్రయోజనం కోసం, ది ఇన్-మెమరీ డేటాబేస్, అపాచీ స్పార్క్ వంటిది. అయినప్పటికీ, అవసరమైన మెమరీ మరియు కావలసిన పనితీరును పొందడానికి, మీకు సర్వర్ క్లస్టర్ అవసరం మరియు ఇది హార్డ్‌వేర్, నెట్‌వర్క్ కేబులింగ్ మరియు ఎక్కువ సంఖ్యలో సాంకేతిక నిపుణులలో ఖర్చులను సూచిస్తుందని మాకు తెలుసు. ఈ విధంగా, మ్యాప్‌డి తక్కువ వ్యయం మరియు సంక్లిష్టతతో అధిక పనితీరును సాధించగల సామర్థ్యాన్ని అందిస్తుంది, డేటా విశ్లేషణ కోసం అధిక పనితీరు సాంకేతిక పరిజ్ఞానాలకు ఎక్కువ మంది వ్యక్తులను అనుమతిస్తుంది.

3

GPU లు మద్దతు ఇచ్చినందుకు ధన్యవాదాలు, MapD కూడా GPU ల యొక్క గ్రాఫిక్స్ సామర్థ్యాలను సద్వినియోగం చేసుకొని డేటా విజువలైజేషన్ కోసం వాతావరణాన్ని అందిస్తుంది. ఇది అధిక పరిమాణ డేటాతో ఇంటరాక్టివ్ గ్రాఫ్‌ల సృష్టిని సులభతరం చేస్తుంది, సమాచారంతో దాదాపు నిజ సమయంలో సంకర్షణను అనుమతిస్తుంది (ప్రతి డేటా విశ్లేషకుడి యొక్క తడి కల). కొన్ని మెషీన్ లెర్నింగ్ అల్గోరిథంలను (మెషిన్ లెర్నింగ్) చేర్చడంతో పాటు, GPU లను ఉపయోగించి అదే వాతావరణంతో అధునాతన విశ్లేషణ చేయడానికి.

2

మేము షికారు చేయడానికి మిమ్మల్ని ఆహ్వానిస్తున్నాము MapD అధికారిక పేజీ దాని యొక్క ప్రతి లక్షణాలను మరింత వివరంగా సమీక్షించడానికి. వారు ఒక కాగితాన్ని కూడా అందిస్తారు, వీటిని మీరు ఉచితంగా డౌన్‌లోడ్ చేసుకోవచ్చు, మ్యాప్‌డిని సాధ్యం చేసిన సాంకేతికతలు మరియు విధానాలను వివరిస్తుంది. మీరు కొన్ని ఆనందించవచ్చు ప్రదర్శనలు ఆశ్చర్యం!
MapD ప్రస్తుతం బీటాలో ఉంది మరియు Linux కోసం అందుబాటులో ఉంది, మీరు పాల్గొనడానికి వారికి (వివరణాత్మక ప్రకటనతో పాటు) వ్రాయవచ్చు.


వ్యాసం యొక్క కంటెంట్ మా సూత్రాలకు కట్టుబడి ఉంటుంది సంపాదకీయ నీతి. లోపం నివేదించడానికి క్లిక్ చేయండి ఇక్కడ.

ఒక వ్యాఖ్య, మీదే

మీ వ్యాఖ్యను ఇవ్వండి

మీ ఇమెయిల్ చిరునామా ప్రచురితమైన కాదు. లు గుర్తించబడతాయి గుర్తించబడతాయి *

*

*

  1. డేటాకు బాధ్యత: మిగ్యుల్ ఏంజెల్ గాటన్
  2. డేటా యొక్క ఉద్దేశ్యం: కంట్రోల్ స్పామ్, వ్యాఖ్య నిర్వహణ.
  3. చట్టబద్ధత: మీ సమ్మతి
  4. డేటా యొక్క కమ్యూనికేషన్: డేటా చట్టపరమైన బాధ్యత ద్వారా తప్ప మూడవ పార్టీలకు తెలియజేయబడదు.
  5. డేటా నిల్వ: ఆక్సెంటస్ నెట్‌వర్క్స్ (EU) హోస్ట్ చేసిన డేటాబేస్
  6. హక్కులు: ఎప్పుడైనా మీరు మీ సమాచారాన్ని పరిమితం చేయవచ్చు, తిరిగి పొందవచ్చు మరియు తొలగించవచ్చు.

  1.   యేసు పెరల్స్ అతను చెప్పాడు

    ఆ రకమైన విషయాన్ని ఎప్పుడూ imagine హించవద్దు, మొదట నాకు పునరాలోచనగా అనిపిస్తే, అంతా ముందస్తు కోసం