Artikel in Tagungsband INPROC-2017-11

Bibliograph.
Daten
Hirmer, Pascal: Effizienz-Optimierung daten-intensiver Data Mashups am Beispiel von Map-Reduce.
In: Mitschang, Bernhard (Hrsg); Ritter, Norbert (Hrsg); Schwarz, Holger (Hrsg); Klettke, Meike (Hrsg); Thor, Andreas (Hrsg); Kopp, Oliver (Hrsg); Wieland, Matthias (Hrsg): Proceedings der Datenbanksysteme für Business, Technologie und Web (BTW}, 17. Fachtagung des GI-Fachbereichs, Workshopband.
Universität Stuttgart, Fakultät Informatik, Elektrotechnik und Informationstechnik.
LNI; P-266, S. 111-116, deutsch.
Stuttgart: Gesellschaft für Informatik (GI), 6. März 2017.
ISBN: 978-3-88579-660-2.
Artikel in Tagungsband (Konferenz-Beitrag).
KörperschaftBTW 2017
CR-Klassif.E.0 (Data General)
H.2 (Database Management)
H.3 (Information Storage and Retrieval)
H.4 (Information Systems Applications)
KeywordsData Mashups; Map-Reduce; Big Data; Effizienzoptimierung
Kurzfassung

Data Mashup-Ansätze und -Tools bieten einen einfachen und schnellen Weg, um Daten zu verarbeiten und zu analysieren. Über eine grafische Oberfläche können dabei -- in der Regel grafisch -- Datenquellen und Datenoperationen sowie der Datenfluss einfach modelliert werden. Hierdurch ergeben sich vor allem Vorteile durch einfache Bedienbarkeit durch Domänennutzer sowie einer explorativen Vorgehensweise. Jedoch legen vorhandene Data Mashup-Ansätze und -Tools wenig Wert auf die Effizienz der Ausführung, was dadurch begründet wird, dass durch Data Mashups in der Regel kleine Datenmengen verarbeitet werden. Zu Zeiten von Big Data gilt dies jedoch nicht mehr; schon scheinbar kleine Szenarien enthalten oftmals eine Vielzahl an Daten. Um mit diesem Problem zukünftig umzugehen, stellen wir in diesem Paper eine Konzeptidee am Beispiel von Map-Reduce vor, mit der die Ausführung von Data Mashups bzgl. Effizienz optimiert werden kann.

Volltext und
andere Links
PDF
CopyrightGesellschaft für Informaik e.V.
Kontaktpascal.hirmer@ipvs.uni-stuttgart.de
Abteilung(en)Universität Stuttgart, Institut für Parallele und Verteilte Systeme, Anwendersoftware
Eingabedatum8. März 2017
   Publ. Institut   Publ. Informatik