Bibliographic Info
Το παρόν σύγγραμμα έρχεται να καλύψει ένα μεγάλο κενό που υπάρχει στην ελληνόγλωσση βιβλιογραφία σχετικά με την επεξεργασία και την ανάλυση μεγάλων δεδομένων. Πιο συγκεκριμένα, στοχεύει στην παρουσίαση και στη χρήση των πιο συχνά χρησιμοποιούμενων συστημάτων και τεχνικών για τη διαχείριση και εξόρυξη χρήσιμης γνώσης από δεδομένα που χαρακτηρίζονται από μεγάλο όγκο, ενδεχομένως γρήγορους ρυθμούς ανανέωσης και ποικιλομορφία ως προς τη δομή τους. Αναλυτικότερα, στο βιβλίο αυτό μελετάμε συγκεκριμένες μεθοδολογίες ανάπτυξης εφαρμογών, καθώς και συγκεκριμένα συστήματα. Για παράδειγμα, μελετάμε το μοντέλο MapReduce και πώς αυτό υλοποιείται στο Hadoop, στο Spark, καθώς και σε άλλα συστήματα. Επιπλέον, μελετάται αναλυτικά το οικοσύστημα του Hadoop, καθώς και η μεθοδολογία ανάπτυξης εφαρμογών σε Spark, ενώ δίνονται παραδείγματα σε γλώσσα Scala και Python. Επιπλέον, παρουσιάζονται τα συστήματα NOSQL και δίνεται έμφαση στις τέσσερις διαφορετικές κατηγορίες συστημάτων, ανάλογα με τη λειτουργικότητά τους. Στο βιβλίο μελετάμε, επίσης, τεχνικές για διαχείριση ροών δεδομένων και πώς αυτή πραγματοποιείται από τα συστήματα (π.χ., Spark, Flink, κλπ.), ενώ σε ξεχωριστό κεφάλαιο εξετάζουμε ζητήματα επεξεργασίας και ανάλυσης δεδομένων γραφημάτων. Στη συνέχεια, παρουσιάζονται τα βασικά στοιχεία της διαχείρισης των πόρων σε ένα κατανεμημένο σύστημα, χρησιμοποιώντας διαφορετικά συστήματα διαχείρισης πόρων, και πώς εκτελούνται οι εφαρμογές. Επιπρόσθετα, σε ξεχωριστό κεφάλαιο μελετάμε τρόπους επεξεργασίας δεδομένων σε GPU συστήματα που επίσης χρησιμοποιούνται ευρέως για την ανάλυση δεδομένων με παράλληλο τρόπο. Στο βιβλίο δίνονται και λεπτομέρειες εγκατάστασης. Το σύγγραμμα απευθύνεται σε φοιτητές μεταπτυχιακού κύκλου σπουδών, κυρίως σε μαθήματα που σχετίζονται άμεσα με θέματα που αφορούν την επεξεργασία και την ανάλυση μεγάλων δεδομένων με χρήση μοντέρνων κατανεμημένων και παράλληλων συστημάτων. Ωστόσο, τμήμα του βιβλίου θα μπορούσε να λειτουργήσει επικουρικά και σε προπτυχιακά μαθήματα με παρόμοιο αντικείμενο.
⟶ Kallipos
