本讲义出自YongHua (Henry) Zeng在Hadoop Summit Tokyo 2016上的演讲，主要分享了基于Spark的高性能时空轨迹分析的相关背景、架构以及技术设计，在技术设计方面主要讲解了大数据平台的设计、数据治理的设计、算法模型以及Spark轨迹计算等内容，最后还对于高性能时空轨迹分析的未来发展进行了展望。
【Hadoop Summit Tokyo 2016】基于Spark的高性能时空轨迹分析
2017-03-01
2051
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
本讲义出自Rafael Coss在Hadoop Summit Tokyo 2016上的演讲，主要分享了基于Spark的高性能时空轨迹分析的相关背景、架构以及技术设计，在技术设计方面主要讲解了大数据平台的设计、数据治理的设计、算法模型以及Spark轨迹计算等内容，最后还对于高性能时空轨迹分析的未来发展进行了展望。
目录
相关文章
|
4月前
|
SQL
分布式计算
Hadoop
|
23天前
|
存储
SQL
分布式计算
Hadoop生态系统概述：构建大数据处理与分析的基石
【8月更文挑战第25天】Hadoop生态系统为大数据处理和分析提供了强大的基础设施和工具集。通过不断扩展和优化其组件和功能，Hadoop将继续在大数据时代发挥重要作用。
43
3
3
|
2月前
|
存储
分布式计算
并行计算
|
3月前
|
分布式计算
Hadoop
Java
|
4月前
|
分布式计算
Hadoop
关系型数据库
|
4月前
|
存储
分布式计算
资源调度
|
4月前
|
新零售
分布式计算
数据可视化
数据分享|基于Python、Hadoop零售交易数据的Spark数据处理与Echarts可视化分析
数据分享|基于Python、Hadoop零售交易数据的Spark数据处理与Echarts可视化分析
572
0
0
|
4月前
|
分布式计算
Hadoop
Java
|
4月前
|
资源调度
分布式计算
Hadoop
|
4月前
|
资源调度
分布式计算
Hadoop