Veuillez utiliser cette adresse pour citer ce document :
http://dspace.univ-tiaret.dz:80/handle/123456789/5730
Affichage complet
Élément Dublin Core | Valeur | Langue |
---|---|---|
dc.contributor.author | MENNAD, Ahlam | - |
dc.date.accessioned | 2022-11-27T13:39:01Z | - |
dc.date.available | 2022-11-27T13:39:01Z | - |
dc.date.issued | 2022 | - |
dc.identifier.uri | http://dspace.univ-tiaret.dz:80/handle/123456789/5730 | - |
dc.description.abstract | Sur le marché actuel, qui est piloté par les données, les algorithmes et les applications collectent des données sur les personnes, les processus, les systèmes et les entreprises, ce qui entraîne la génération de volumes de données considérables. Le défi consiste à définir la solution qui permettra de traiter ces volumes de données rapidement, efficacement et sans pertes de connaissance significatives. C'est là qu'intervient le modèle de programmation MapReduce. Utilisé initialement par Google pour analyser ses résultats de recherche, MapReduce a gagné en popularité grâce à sa capacité à diviser et traiter plusieurs téraoctets de données en parallèle et à obtenir ainsi des résultats plus rapides. Notre projet de fin d'étude vise à étudier les technologies Hadoop, et nous nous intéresserons particulièrement à ses composants HDFS et MapReduce. Dans ce sens, nous mettons en place en système multitâches temps réel pour intégrer les fonctions principales de MapReduce. | en_US |
dc.language.iso | fr | en_US |
dc.publisher | Université Ibn Khaldoun -Tiaret- | en_US |
dc.title | Gestion multitâche temps réel optimisée d’allocation et de libération de ressources de calcul | en_US |
dc.type | Thesis | en_US |
Collection(s) : | Master |
Fichier(s) constituant ce document :
Fichier | Description | Taille | Format | |
---|---|---|---|---|
TH.M.INF.FR.2022.36.pdf | 2,38 MB | Adobe PDF | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.