In MapReduce, task-based programmin

In MapReduce, task-based programming logic is placed asclose to the data as possible. This technique works very nicely with both structured and unstructured data. It’s no surprise that Google chose to follow a divide-and-conquer approach, given its organizational philosophy of using lots of commoditized computers for data processing and storage instead of focusing on fewer, more powerful (and expensive!)servers. Along with the MapReduce architecture, Google also
authored the Google File System. This innovative technology is a powerful, distributed file system meant to hold enormous amounts of data. Google optimized this file system to meet its voracious information processing needs. However, as we describe later, this was just the starting point.

Kết quả (Việt) 2:

Trong MapReduce, nhiệm vụ dựa trên logic lập trình được đặt asclose với dữ liệu càng tốt. Kỹ thuật này hoạt động rất độc đáo với cả dữ liệu có cấu trúc và không có cấu trúc. Không có gì ngạc nhiên khi Google đã chọn để làm theo một cách tiếp cận phân chia-và-chinh phục, được đưa ra triết lý về tổ chức sử dụng rất nhiều máy tính dạng hóa sản phẩm để chế biến và lưu trữ dữ liệu thay vì tập trung vào ít hơn, mạnh hơn (và đắt tiền!) Các máy chủ. Cùng với kiến trúc MapReduce, Google cũng
là tác giả của các tập tin hệ thống của Google. Công nghệ tiên tiến này là một hệ thống tập tin phân phối mạnh mẽ có nghĩa là để nắm giữ một lượng lớn dữ liệu. Google tối ưu hóa hệ thống tập tin này để đáp ứng nhu cầu xử lý thông tin tham ăn của nó. Tuy nhiên, như chúng tôi mô tả sau này, đây mới chỉ là điểm khởi đầu.