Przetwarzanie i analizowanie dużych ilości danych

• Autorzy: Busłowska E. , Wiktorzak A. A.

Warianty tytułu

EN

Processing and analyzing large amounts of data

• Języki publikacji: PL

Abstrakty

PL

Artykuł ma na celu przedstawienie koncepcji przetwarzania i analizowanie dużych ilości danych. Tradycyjne oprogramowanie przestaje być zdolne do zarządzania wielkimi danymi i ustępuje miejsca nowym technologiom. Przyszłość baz danych to nie tylko hurtownie danych ale nierelacyjne bazy danych i technologie Big Data takie jak Hadoop czy MapReduce. Rosnące zapotrzebowanie na złożone operacje analityczne oznacza coraz większą popularność narzędzi BA (Business Analytics).

EN

The purpose of this paper is to present concept of processing and analyzing amount of data. Nowadays new technologies manage great number of data, as the traditional software is not able to accomplish it. The future of data base is not only Data Warehouse, but also NoSQL, Big Data techniques, Hadoop Map and Reduce classes. Increasing need of complex analytical operations leads to dissemination tools Business Analytics.

Słowa kluczowe

PL

przetwarzanie danych; analiza danych; narzędzia BA

EN

processing data; analyzing data; tools Business Analytics

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 6
• Strony: 2490--2496
• Opis fizyczny: Bibliogr. 8 poz., schem., pełen tekst na CD3

Twórcy

autor

Busłowska E.

• Państwowa Wyższa Szkoła Informatyki i Przedsiębiorczości w Łomży, Instytut Informatyki i Autoamtyki;18-400 Łomża; ul. Akademicka 1, Tel:[phone]

autor

Wiktorzak A. A.

• Państwowa Wyższa Szkoła Informatyki i Przedsiębiorczości w Łomży, Instytut Informatyki i Autoamtyki;18-400 Łomża; ul. Akademicka 1, Tel:[phone]

Bibliografia

• 1. V. Poe, P. Klauer, S. Brobst, Tworzenie hurtowni danych, Wydawnictwo Naukowo-Techniczne, Warszawa 2000.
• 2. P. Listosz,Oracle Warehouse Builder - inteligencja w projektowaniu hurtowni danych, http://www.ploug.org.pl/plougtki.php?action=read&p=23&a=9
• 3. Ch. Strauch, NoSQL Databases, http://coitweb.uncc.edu/~xwu/5160/nosqldbs.pdf
• 4. M. Stonebraker, R. Cattell, 10 Rules for scalable Performance in ‘simple operation’ Datastores
• 5. S. Tiwari, Professional NoSQL, Wrox, 2011
• 6. http://www.mapreduce.org/1005-Rick-van-der-Lans-SQL-MapReduce-advanced-analytics.php
• 7. S. Ghemawat i J. Dean, MapReduce: Simplied Data Processing on Large Clusters, 2004. Available: http://static.googleusercontent.com/media/research.google.com/en//archive/mapreduce-osdi04.pdf.
• 8. E. Busłowska, Ł. Juźwiuk, Wprowadzenie do optymalnego wykorzystania MapReduce, Logistyka 4/2014, s. 3870-3875