در آپاچی حما ابزار برای استفاده در رسانه های که در آن مقادیر زیادی از داده ها نیاز به تجزیه و تحلیل و پردازش شده است.
حما به طور خاص هدف رسانه های علمی، که قادر به تفسیر نیز و اجرای عملیات اساسی و یا پیش تر ریاضی، در حالی که از چندین کلاستر (ابر مبتنی بر زیرساخت) عملکرد.
این است که عمدتا به لطف BSP خود (موازی همزمان فله) ویژگی های، اینکه قادر به تحمل هر چیزی از ماتریس داده مبتنی بر، به شبکه های مبتنی بر محاسبات و بسیاری دیگر بیشتر است.
پوسته، هسته حما، و یک API عمومی: همانطور که برای معماری آن حما از سه قسمت تشکیل شده است.
این ابزار می توان برای تعامل با سیستم هم در زمان واقعی و یا برای کارهای برنامه ریزی شده
چه در این نسخه جدید است:
در تعمیر / بهبود DoubleVector و DenseDoubleVector
اضافه شدن گزینه صف مداوم به JobConf
NullWritable پشتیبانی در لوله های حما
اضافه شده رفتار مرتب سازی بر به partitioner زمان اجرا
او NamedVector
اضافه شدن رابط ترانسفورماتور ویژگی برای بهبود قدرت و انعطاف پذیری از مدل های یادگیری ماشین موجود
CompositeInputFormat در حما
جدید در نسخه 0.6.4 است:
در تعمیر / بهبود DoubleVector و DenseDoubleVector
اضافه شدن گزینه صف مداوم به JobConf
NullWritable پشتیبانی در لوله های حما
اضافه شده رفتار مرتب سازی بر به partitioner زمان اجرا
او NamedVector
اضافه شدن رابط ترانسفورماتور ویژگی برای بهبود قدرت و انعطاف پذیری از مدل های یادگیری ماشین موجود
CompositeInputFormat در حما
هماهنگ سازی مانع تثبیت:
جدید در نسخه 0.4.0 است.
وظایف متعدد در هر گره است.
ورودی / خروجی قالب.
پیام فبرس.
نمونه بهبود یافته است.
نتایج آزمون محک.
جدید در نسخه 0.2.0 است:
در چارچوب محاسبات BSP و نمونه آن است.
پی برآورد و مرتب چاپ.
بر اساس CLI-مدیریت و نظارت بر ابزار کار BSP.
مورد نیاز:
جاوا 1.6 یا بالاتر
آپاچی Hadoop 1.0 یا بالاتر
نظر یافت نشد