Logo des Repositoriums
 

Effizienz-Optimierung daten-intensiver Data Mashups am Beispiel von Map-Reduce

Kurzanzeige
dc.contributor.authorHirmer, Pascal
dc.contributor.editorMitschang, Bernhard
dc.contributor.editorNicklas, Daniela
dc.contributor.editorLeymann, Frank
dc.contributor.editorSchöning, Harald
dc.contributor.editorHerschel, Melanie
dc.contributor.editorTeubner, Jens
dc.contributor.editorHärder, Theo
dc.contributor.editorKopp, Oliver
dc.contributor.editorWieland, Matthias
dc.date.accessioned2017-06-21T11:24:36Z
dc.date.available2017-06-21T11:24:36Z
dc.date.issued2017
dc.description.abstractData 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.de
dc.identifier.isbn978-3-88579-660-2
dc.identifier.pissn1617-5468
dc.language.isode
dc.publisherGesellschaft für Informatik e.V.
dc.relation.ispartofDatenbanksysteme für Business, Technologie und Web (BTW 2017) - Workshopband
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Proceedings, Volume P-266
dc.subjectData Mashups
dc.subjectMap-Reduce
dc.subjectBig Data
dc.subjectEffizienzoptimierung
dc.titleEffizienz-Optimierung daten-intensiver Data Mashups am Beispiel von Map-Reducede
dc.typeText/Conference Paper
gi.citation.endPage116
gi.citation.publisherPlaceBonn
gi.citation.startPage111
gi.conference.date6.-10. März 2017
gi.conference.locationStuttgart
gi.conference.sessiontitleWorkshop Big (and small) Data in Science and Humanities (BigDS17)

Dateien

Originalbündel
1 - 1 von 1
Vorschaubild
Name:
paper13.pdf
Größe:
529.78 KB
Format:
Adobe Portable Document Format
Herunterladen

Sammlungen

P266 - BTW2017 - Datenbanksysteme für Business, Technologie und Web - Workshopband