Un traducteur SQL-MapReduce avancé et efficace pour améliorer les Big Data

MapReduce est devenu un cadre efficace pour le traitement et l'analyse de données volumineuses dans les grands systèmes. D'autre part, SQL Query est nécessaire pour construire un traducteur SQL efficace et flexible pour le cadre MapReduce. Il est indispensable de disposer d'un traducteur SQL optimisé capable de traiter des requêtes avancées, afin d'accroître les performances de l'analyse des données avec l'augmentation des Big Data DataData. Hive prend en charge les requêtes appelées HiveQL. HiveQL offre les mêmes fonctionnalités que SQL, mais il reste difficile de traiter des requêtes SQL complexes. Flink est également devenu un cadre efficace pour l'analyse des Big Data dans les grands systèmes de clusters. D'autre part, FLink ne prend en charge aucun langage de requête. Il est donc nécessaire de concevoir et d'implémenter un traducteur SQL vers FLink pour exécuter des requêtes SQL sur FLink. Le travail présenté dans ce livre adopte ces limitations des traducteurs SQL et propose deux contributions qui sont considérées comme des traducteurs SQL-MapReduce pour améliorer l'analyse des Big Data.

Autorentext

Fawzya Ramadan Sayed Hassan est maître de conférences au département d'informatique et d'information de l'université de Fayoum, en Égypte. Forte de ses connaissances et de son expérience dans le domaine, elle a participé à de nombreuses conférences et rédigé de nombreux articles.