Tools and technologies in the Big Data environment

• Autorzy: Czajkowski, K. , Chodak, Ł. , Korkosz, R. , Urbańczyk, M.

Warianty tytułu

PL

Narzędzia i technologie w środowisku Big Data

• Języki publikacji: EN

Abstrakty

EN

Nowadays, the Big Data is a term frequently used in the literature, but still there is no consensus on the standards in implementations of such environments. The are many tools and technologies in this area. Designers and developers have to decide which solutions to implement and how to integrate many elements in one system. This paper is the review in the Big Data technologies.

PL

Termin Big Data coraz częściej pojawia się w literaturze, wciąż jednak nie uzgodniono standardów implementacji tego typu środowisk. Istnieje wiele narzędzi i technologii w tym zakresie, a projektanci i programiści muszą decydować, które rozwiązania implementować i jak integrować wiele elementów w jeden system. Artykuł stanowi przegląd kluczowych rozwiązań z tej tematyki.

Słowa kluczowe

PL

big data; zbiór danych; oprogramowanie; przegląd

EN

big data; large data set; software; review

• Czasopismo: Studia Informatica
• Rocznik: 2014
• Tom: Vol. 35, nr 2
• Strony: 29--40
• Opis fizyczny: Bibliogr. 18 poz.

Twórcy

autor

Czajkowski, K.

• Cracow University of Technology, Faculty of Physics, Mathematics and Computer Science, Institute of Computer Networks,

autor

Chodak, Ł.

• Cracow University of Technology, Faculty of Physics, Mathematics and Computer Science, Institute of Computer Networks

autor

Korkosz, R.

• Cracow University of Technology, Faculty of Physics, Mathematics and Computer Science, Institute of Computer Networks

autor

Urbańczyk, M.

• Cracow University of Technology, Faculty of Physics, Mathematics and Computer Science, Institute of Computer Networks

Bibliografia

• 1. Manyika J. et al.: Big data: The next frontier for innovation, competition, and produc-tivity. McKinsey Global Institute, http://www.mckinsey.com, 2011.
• 2. Chwin M.: Big Data at work: Transform your business with analytics, http://www.oracle. com/in/corporate/events/bigdata-at-work-2041503-en-in.html, 10.10.2013.
• 3. Sharma S.: Big Data landscape. International Journal of Scientific and Research Publi-cations, Volume 3, Issue 6, 2013, p. 1÷8.
• 4. White T.: Hadoop: The Definitive Guide. O’Reilly Media / Yahoo Press 2012.
• 5. Gigaom: Because Hadoop isn’t perfect, http://gigaom.com (2013.12.22).
• 6. The Apache Software Foundation: Ambari, http://ambari.apache.org/ (2013.12.22).
• 7. Storm Community, http://storm-project.net/ (2013.12.22).
• 8. Main site of Giraph Project, http://giraph.apache.org/ (2013.12.22).
• 9. The Apache Software Foundation: Sqoop User Guide, http://sqoop.apache.org/docs/ 1.4.3/SqoopUserGuide.html (2013.12.22).
• 10. The Apache Software Foundation: Apache Mahout – An algorithm library for scalable machine learning on Hadoop, http://hortonworks.com/hadoop/mahout/ (2013.12.22).
• 11. Farley B.: Big data and the analytic race. SAS Institute, 2012.
• 12. Nadipalli R.: HDInsight essentials. Packt Publishing, 2013.
• 13. Microsoft: PolyBase, http://www.microsoft.com/en-us/sqlserver/solutions-technologies/ data-warehousing/polybase.aspx (2013.12.22).
• 14. SAP Hana In-Memory, http://www.sapbigdata.com/platform/in_memory/ (2013.12.22).
• 15. Moore T.: The Sybase IQ Survival Guide. TDM Computing Limited, 2010.
• 16. SAP Hana Platform/Hadoop, http://www.sapbigdata.com/platform/hadoop/ (2013.12.22).
• 17. Oracle Corporation: Oracle Big Data Appliance Software Users Guide, http://docs.-oracle.com (2013.12.22).
• 18. IBM Software: Using IBM InfoSphere BigInsights to accelerate big data time-to-value Thought Leadership. White Paper, 2013.