MARC

 008200317s2019        ulk          s          00        eng
■001000015491722
■00520200217181400
■007cr
■020    ▼a9781085747899
■040    ▼d225006
■08204▼a004
■090    ▼a전자도서(박사논문)
■1001  ▼aAlarabi,  Louai.
■24510▼aST-Hadoop:  A  MapReduce  Framework  for  Big  Spatio-Temporal  Data  Management.▼h[electronic  resource]▼cAlarabi,  Louai.
■260    ▼a[S.l.]▼bUniversity  of  Minnesota.  ▼c2019
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2019
■300    ▼a1  online  resource(136  p.)
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  81-04,  Section:  B.
■500    ▼aAdvisor:  Mokbel,  Mohamed  F.
■5021  ▼aThesis  (Ph.D.)--University  of  Minnesota,  2019.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■520    ▼aApache  Hadoop,  employing  the  MapReduce  programming  paradigm,  that  has  been  widely  accepted  as  the  standard  framework  for  analyzing  big  data  in  distributed  environments.  Unfortunately,  this  rich  framework  was  not  genuinely  exploited  towards  processing  large  scale  spatio-temporal  data,  especially  with  the  emergence  and  popularity  of  applications  that  create  them  in  large-scale.  The  huge  volumes  of  spatio-temporal  data  come  from  applications,  like  Taxi  fleet  in  urban  computing,  Asteroids  in  astronomy  research  studies,  animal  movements  in  habitat  studies,  neuron  analysis  in  neuroscience  research  studies,  and  contents  of  social  networks  (e.g.,  Twitter  or  Facebook).  Managing  space  and  time  are  two  fundamental  characteristics  that  raised  the  demand  for  processing  spatio-temporal  data  created  by  these  applications.  Besides  the  massive  size  of  data,  the  complexity  of  shapes  and  formats  associated  with  these  data  raised  many  challenges  in  managing  spatio-temporal  data.The  goal  of  the  dissertation  is  centered  on  establishing  a  full-fledged  big  spatio-temporal  data  management  system  that  serves  the  need  for  a  wide  range  of  spatio-temporal  applications.  This  involves  indexing,  querying,  and  analyzing  spatio-temporal  data.  We  propose  ST-Hadoop
■650  4▼aComputer  science.
■71020▼aUniversity  of  Minnesota▼bComputer  Science.
■7730  ▼tDissertations  Abstracts  International▼g81-04B.
■773    ▼tDissertation  Abstract  International
■791    ▼aPh.D.
■792    ▼a2019
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T15491722▼nKERIS

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서