本讲义出自Nicolas Poggi在Hadoop Summit Tokyo 2016上的演讲，在演讲中首先介绍了BSC 与ALOJA以及PaaS服务概览，之后介绍了SQL基准以及PaaS服务的演进变化，最后分享了从云上的SQL-on-Hadoop中获取的经验。
【Hadoop Summit Tokyo 2016】云上SQL-on-Hadoop的状态
2017-03-01
2708
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Nicolas Poggi在Hadoop Summit Tokyo 2016上的演讲，在演讲中首先介绍了BSC 与ALOJA以及PaaS服务概览，之后介绍了SQL基准以及PaaS服务的演进变化，最后分享了从云上的SQL-on-Hadoop中获取的经验。
目录
相关文章
|
分布式计算
Hadoop
测试技术
Hadoop Summit 2014：企业拥抱Hadoop在行动
1106
0
0
|
机器学习/深度学习
分布式计算
Hadoop
满满的技术干货！Hadoop顶级会议Apache Hadoop Summit精华讲义分享
Apache Hadoop Summit是Hadoop技术的顶级会议，这里大咖云集，一同探讨世界上最新的Hadoop发展动态以及产品应用和技术实践。本文整理了Apache Hadoop Summit Tokyo 2016上的精选演讲的讲义，无论是你想要的是Hadoop发展前沿，是Hadoop优化技
5724
0
0
|
分布式计算
资源调度
Hadoop
【Hadoop Summit Tokyo 2016】操纵云上基于Hadoop 集群的YARN
本讲义出自Abhishek Modi在Hadoop Summit Tokyo 2016上的演讲，主要介绍了Qubole的Hadoop技术、Qubole的架构设计、短生命周期的Hadoop集群的相关内容以及面对的挑战以及YARN的自动扩展和不断发展的HDFS技术。
1931
0
0
|
分布式计算
Hadoop
【Hadoop Summit Tokyo 2016】如何构建成功的数据湖泊
本讲义出自 Alex Gorelik在Hadoop Summit Tokyo 2016上的演讲，主要介绍了数据湖泊的相关概念，介绍了数据湖泊可以赋能数据驱动的决策制定以及最大化商业价值，以及如何通过正确的数据+正确的平台+正确的接口构建成功的数据湖泊。
1566
0
0
|
分布式计算
Hadoop
流计算
【Hadoop Summit Tokyo 2016】像搭乐高一样搭建Storm与Spark Streaming Pipelines块
本讲义出自Arun Murthy在Hadoop Summit Tokyo 2016上的演讲，主要介绍了Arun Murthy与团队的从各种流使用中学习到的最佳实践和经验，演讲的内容非常简单易懂并且非常有趣，在演讲的最后还介绍了像搭乐高一样搭建Storm与Spark Streaming Pipelines块的相应工具。
2467
0
0
|
存储
分布式计算
Hadoop
【Hadoop Summit Tokyo 2016】将HDFS演化成为广义存储子系统
本讲义出自Sanjay Radia在Hadoop Summit Tokyo 2016上的演讲，主要介绍了HDFS的相关知识以及HDFS的过去以及未来发展的动机，分享了HDFS的优势所在以及面对的主要挑战，并分享了弹性的HDFS以及泛化存储层的存储容器。
2285
0
0
|
分布式计算
安全
Hadoop
【Hadoop Summit Tokyo 2016】Apache Spark & Apache Zeppelin的安全状态
本讲义出自Vinay Shukla在Hadoop Summit Tokyo 2016上的演讲，主要介绍了 Spark的安全体系、以及YARN AM上的Spark驱动以及Kerberos身份验证等相关内容，最后还介绍了SparkSQL的相关内容。
2906
0
0
|
分布式计算
Hadoop
Apache
【Hadoop Summit Tokyo 2016】Apache Storm中的资源感知调度
本讲义出自Jerry Peng在Hadoop Summit Tokyo 2016上的演讲，主要介绍了Apache Storm的相关知识内容、目前遇到的挑战和问题并且对于资源感知调度器进行了详细介绍。
1910
0
0
|
29天前
|
存储
分布式计算
Hadoop
大数据处理架构Hadoop
【4月更文挑战第10天】Hadoop是开源的分布式计算框架，核心包括MapReduce和HDFS，用于海量数据的存储和计算。具备高可靠性、高扩展性、高效率和低成本优势，但存在低延迟访问、小文件存储和多用户写入等问题。运行模式有单机、伪分布式和分布式。NameNode管理文件系统，DataNode存储数据并处理请求。Hadoop为大数据处理提供高效可靠的解决方案。
57
2
2
|
29天前
|
分布式计算
Hadoop
大数据
大数据技术与Python：结合Spark和Hadoop进行分布式计算
【4月更文挑战第12天】本文介绍了大数据技术及其4V特性，阐述了Hadoop和Spark在大数据处理中的作用。Hadoop提供分布式文件系统和MapReduce，Spark则为内存计算提供快速处理能力。通过Python结合Spark和Hadoop，可在分布式环境中进行数据处理和分析。文章详细讲解了如何配置Python环境、安装Spark和Hadoop，以及使用Python编写和提交代码到集群进行计算。掌握这些技能有助于应对大数据挑战。
350
1
1
热门文章
最新文章
1
一文搞懂SQL优化——如何高效添加数据
2
【SQL server】玩转SQL server数据库：第三章 关系数据库标准语言SQL（二）数据查询
3
NL2SQL实践系列(2)：2024最新模型实战效果(Chat2DB-GLM、书生·浦语2、InternLM2-SQL等)以及工业级案例教学
4
数据库管理与电脑监控软件：SQL代码优化与实践
5
【SQL server】玩转SQL server数据库：第二章 关系数据库
6
SQL常见面试题总结2
7
大模型与数据分析：探索Text-to-SQL（上）
8
NL2SQL进阶系列(4)：ConvAI、DIN-SQL等16个业界开源应用实践详解[Text2SQL]
9
NL2SQL进阶系列(5)：论文解读业界前沿方案（DIN-SQL、C3-SQL、DAIL-SQL）、新一代数据集BIRD-SQL解读
10
大模型与数据分析：探索Text-to-SQL（中）