Přeložit "source spark" do korejština

KO Apache Spark에는 기계 학습(MLlib), 스트림 처리(Spark Streaming) 및 그래프 처리(GraphX)용 애플리케이션을 구축하는 데 도움이 되는 몇 가지 라이브러리가 포함되어 있습니다

přepis Apache Sparkeneun gigye hagseub(MLlib), seuteulim cheoli(Spark Streaming) mich geulaepeu cheoli(GraphX)yong aepeullikeisyeon-eul guchughaneun de doum-i doeneun myeoch gaji laibeuleoliga pohamdoeeo issseubnida

• Apache Spark에는 기계
• MLlib
• 스트림 처리
• Spark Streaming
• 및 그래프 처리
• GraphX
• 용 애플리케이션을 구축하는
• 도움이 되는 몇
• 라이브러리가 포함되어 있습니다

KO 모델을 쉽게 훈련하고 모델을 호스팅하도록 Amazon SageMaker Spark를 통해 노트북 인스턴스를 Amazon EMR에 실행한 Apache Spark 클러스터에 연결하면 Amazon SageMaker 기능을 향상시킬 수 있습니다.

přepis model-eul swibge hunlyeonhago model-eul hoseutinghadolog Amazon SageMaker Sparkleul tonghae noteubug inseuteonseuleul Amazon EMRe silhaenghan Apache Spark keulleoseuteoe yeongyeolhamyeon Amazon SageMaker gineung-eul hyangsangsikil su issseubnida.

• 모델을 쉽게 훈련하고
• 호스팅하도록 Amazon SageMaker
• 통해 노트북 인스턴스를
• EMR에 실행한 Apache
• 클러스터에 연결하면 Amazon

KO 애플리케이션을 실행하는 것 외에도, 클러스터의 Spark 셸에서 또는 Jupyter 노트북을 통해 직접 Spark API를 Python 또는 Scala와 대화식으로 사용할 수 있습니다

přepis aepeullikeisyeon-eul silhaenghaneun geos oeedo, keulleoseuteoui Spark syel-eseo ttoneun Jupyter noteubug-eul tonghae jigjeob Spark APIleul Python ttoneun Scalawa daehwasig-eulo sayonghal su issseubnida

• 애플리케이션을 실행하는 것
• 클러스터의 Spark 셸에서
• Jupyter 노트북을 통해
• Spark API를 Python
• Scala와 대화식으로 사용할
• 있습니다

KO Spark Core는 Spark 플랫폼의 기본 일반 실행 엔진으로, 그 외에 다른 모든 기능은 이 엔진을 기반으로 구축됩니다

přepis Spark Coreneun Spark peullaespom-ui gibon ilban silhaeng enjin-eulo, geu oee daleun modeun gineung-eun i enjin-eul giban-eulo guchugdoebnida

• Spark Core는 Spark
• 기본 일반 실행
• 그 외에 다른
• 기능은 이 엔진을
• 구축됩니다

KO 원래 “오픈소스”에서 “소스”는 “소스 코드”를 뜻하며 소스 코드란 컴퓨터 프로그래머가 소프트웨어를 만드는 데 사용하는 것을 말합니다

přepis wonlae “opeunsoseu”eseo “soseu”neun “soseu kodeu”leul tteushamyeo soseu kodeulan keompyuteo peulogeulaemeoga sopeuteuweeoleul mandeuneun de sayonghaneun geos-eul malhabnida

• 원래
• 소스
• 뜻하며 소스 코드란
• 프로그래머가 소프트웨어를 만드는
• 사용하는 것을 말합니다

KO Databricks 통합 분석 플랫폼은 완전 관리형 클라우드 플랫폼에서 오픈 소스 Spark, 협업 노트북, 통합 워크플로, 엔터프라이즈 보안에 대해 5배의 성능을 제공합니다.

přepis Databricks tonghab bunseog peullaespom-eun wanjeon gwanlihyeong keullaudeu peullaespom-eseo opeun soseu Spark, hyeob-eob noteubug, tonghab wokeupeullo, enteopeulaijeu boan-e daehae 5baeui seongneung-eul jegonghabnida.

• Databricks 통합 분석
• 완전 관리형 클라우드
• 오픈 소스 Spark
• 통합 워크플로
• 엔터프라이즈 보안에 대해

KO 오픈 소스 Apache Spark 프로젝트는 여기에서 다운로드할 수 있습니다.

přepis opeun soseu Apache Spark peulojegteuneun yeogieseo daunlodeuhal su issseubnida.

• 오픈 소스 Apache
• 프로젝트는 여기에서 다운로드할

KO 동료 평가: 소스 코드에 누구나 액세스할 수 있으며 오픈소스 커뮤니티 자체도 활발하기 때문에, 오픈소스 코드는 동료 프로그래머에 의해 적극적으로 검토 및 개선될 수 있습니다

přepis donglyo pyeong-ga: soseu kodeue nuguna aegseseuhal su iss-eumyeo opeunsoseu keomyuniti jachedo hwalbalhagi ttaemun-e, opeunsoseu kodeuneun donglyo peulogeulaemeoe uihae jeoggeugjeog-eulo geomto mich gaeseondoel su issseubnida

• 동료 평가
• 소스 코드에 누구나
• 있으며 오픈소스 커뮤니티
• 활발하기 때문에
• 오픈소스 코드는 동료
• 의해 적극적으로 검토
• 개선될 수 있습니다

KO 이동 중에도 새로운 인사이트를 발견합니다

přepis idong jung-edo saeloun insaiteuleul balgyeonhabnida

• 이동 중에도 새로운
• 발견합니다

KO 만약 Spark에서 모바일 데이터팩을 구입하면 뉴질랜드 곳곳에서 Spark의 무료 와이파이 핫스팟

přepis man-yag Sparkeseo mobail deiteopaeg-eul gu-ibhamyeon nyujillaendeu gosgos-eseo Sparkui mulyo waipai has-seupas

• 만약 Spark에서 모바일
• 구입하면 뉴질랜드 곳곳에서
• 무료 와이파이 핫스팟

KO 과거 데이터의 패턴은 Hadoop 및 Spark에서 직접 실행되는 TIBCO Analytics를 사용하여 대화형 방식으로 식별할 수 있습니다

přepis gwageo deiteoui paeteon-eun Hadoop mich Sparkeseo jigjeob silhaengdoeneun TIBCO Analyticsleul sayonghayeo daehwahyeong bangsig-eulo sigbyeolhal su issseubnida

• 과거 데이터의 패턴은
• 및 Spark에서 직접
• TIBCO Analytics를 사용하여

KO 마이스터태스크를 마이크로소프트 아웃룩, Gmail, Spark 이메일 계정과 연동해서 쉽게 이메일을 작업으로 전환시킬 수 있습니다

přepis maiseuteotaeseukeuleul maikeulosopeuteu auslug, Gmail, Spark imeil gyejeong-gwa yeondonghaeseo swibge imeil-eul jag-eob-eulo jeonhwansikil su issseubnida

• 마이스터태스크를 마이크로소프트 아웃룩
• Gmail
• Spark 이메일 계정과
• 쉽게 이메일을 작업으로
• 있습니다

KO 스프링클러 시스템, 불꽃 및 화염 감지 및 헤드 장착식 디스플레이

přepis seupeulingkeulleo siseutem, bulkkoch mich hwayeom gamji mich hedeu jangchagsig diseupeullei

• 스프링클러 시스템
• 불꽃 및 화염
• 및 헤드 장착식

KO 아이디어 추가: 그리고 나서 하위 가지의 형태로 맵에 추가하는 각각의 아이디어들은 머릿속에서 서로간의 연관성을 촉발시키고 새로운 아이디어를 발산할 수 있습니다

přepis aidieo chuga: geuligo naseo hawi gajiui hyeongtaelo maeb-e chugahaneun gaggag-ui aidieodeul-eun meolis-sog-eseo seologan-ui yeongwanseong-eul chogbalsikigo saeloun aidieoleul balsanhal su issseubnida

• 아이디어 추가
• 그리고 나서 하위
• 형태로 맵에 추가하는
• 아이디어들은 머릿속에서 서로간의
• 촉발시키고 새로운 아이디어를
• 있습니다

KO 마인드맵은 아이디어의 자유로운 흐름을 촉진시키고 서로를 연결시켜 새로운 아이디어를 팍 하고 뽑아낼수 있도록 돕습니다

přepis maindeumaeb-eun aidieoui jayuloun heuleum-eul chogjinsikigo seololeul yeongyeolsikyeo saeloun aidieoleul pag hago ppob-anaelsu issdolog dobseubnida

• 마인드맵은 아이디어의 자유로운
• 촉진시키고 서로를 연결시켜
• 아이디어를 팍 하고
• 있도록 돕습니다

KO 자동 게인 제어로 최고의 오디오 품질을 유지합니다. 알림 시스템, 위치 기반 서비스 통합, 고독한 직원 보호 인증 및 ATEX no-spark로 직원이 어디에 있든 안전하게 보호하십시오.

přepis jadong gein jeeolo choegoui odio pumjil-eul yujihabnida. allim siseutem, wichi giban seobiseu tonghab, godoghan jig-won boho injeung mich ATEX no-sparklo jig-won-i eodie issdeun anjeonhage bohohasibsio.

• 자동 게인 제어로
• 오디오 품질을 유지합니다
• 알림 시스템
• 위치 기반 서비스
• 고독한 직원 보호
• 및 ATEX no-spark로
• 어디에 있든 안전하게

KO [이벤트] Phemex 1주년 기념 로켓 미니 게임

přepis [ibenteu] Phemex 1junyeon ginyeom lokes mini geim

• Phemex 기념 로켓

KO 마인드매핑은 새로운아이더들을 서로 아이디어들을 연결시킴으로써 새로운 아이디어를 발굴해내는데 도움을 주기 때문에, 창의적인 브레인스토밍세션을 위해 가장 널리 쓰이는 방식입니다

přepis maindeumaeping-eun saeloun-aideodeul-eul seolo aidieodeul-eul yeongyeolsikim-eulosseo saeloun aidieoleul balgulhaenaeneunde doum-eul jugi ttaemun-e, chang-uijeog-in beuleinseutomingsesyeon-eul wihae gajang neolli sseu-ineun bangsig-ibnida

• 마인드매핑은 새로운아이더들을 서로
• 연결시킴으로써 새로운 아이디어를
• 도움을 주기 때문에
• 창의적인 브레인스토밍세션을 위해
• 널리 쓰이는 방식입니다

KO 이후 이 혼합물이 점화되면서 주 연소실로 진입하는 고온 라디칼의 터뷸런트 제트를 생성하여, 전통적 점화 플러그보다 점화원이 더 넓게 분포하도록 합니다.

přepis ihu i honhabmul-i jeomhwadoemyeonseo ju yeonsosillo jin-ibhaneun goon ladikal-ui teobyulleonteu jeteuleul saengseonghayeo, jeontongjeog jeomhwa peulleogeuboda jeomhwawon-i deo neolbge bunpohadolog habnida.

• 이후 이 혼합물이
• 주 연소실로 진입하는
• 라디칼의 터뷸런트 제트를
• 전통적 점화 플러그보다
• 더 넓게 분포하도록

KO 대량의 데이터 세트를 사용하여 인메모리 작업을 수행할 수 있는 능력은 Spark가 빅데이터 아키텍처에 포함되는 이유 중 하나입니다

přepis daelyang-ui deiteo seteuleul sayonghayeo inmemoli jag-eob-eul suhaenghal su issneun neunglyeog-eun Sparkga bigdeiteo akitegcheoe pohamdoeneun iyu jung hanaibnida

• 대량의 데이터 세트를
• 인메모리 작업을 수행할
• 있는 능력은 Spark가
• 아키텍처에 포함되는 이유
• 하나입니다

KO 이 외에도 Amazon EC2와 Amazon EMR에서 Apache Flume, Apache Spark Streaming, Apache Storm 등과 같은 다른 스트리밍 데이터 플랫폼을 실행할 수 있습니다.

přepis i oeedo Amazon EC2wa Amazon EMReseo Apache Flume, Apache Spark Streaming, Apache Storm deung-gwa gat-eun daleun seuteuliming deiteo peullaespom-eul silhaenghal su issseubnida.

• 이 외에도 Amazon
• EMR에서 Apache Flume
• Apache Spark Streaming
• Apache Storm 등과
• 다른 스트리밍 데이터

KO 점화 플러그 검사 및 분류

přepis jeomhwa peulleogeu geomsa mich bunlyu

• 점화 플러그 검사
• 분류

KO 스파크 플러그 감지 및 개수 측정

přepis seupakeu peulleogeu gamji mich gaesu cheugjeong

• 스파크 플러그 감지
• 개수 측정

KO 실제 데이터와 실제 증거는 신약 개발의 혁신을 촉발합니다.

přepis silje deiteowa silje jeung-geoneun sin-yag gaebal-ui hyeogsin-eul chogbalhabnida.

• 실제 데이터와 실제
• 신약 개발의 혁신을

KO Apache Hadoop, Spark 및 기타 혁신 기술 덕분에 절차적 프로그래밍 언어의 병렬화가 가능하게 되었고, 완전히 새로운 유형의 애널리틱스가 가능하게 되었습니다

přepis Apache Hadoop, Spark mich gita hyeogsin gisul deogbun-e jeolchajeog peulogeulaeming eon-eoui byeonglyeolhwaga ganeunghage doeeossgo, wanjeonhi saeloun yuhyeong-ui aeneollitigseuga ganeunghage doeeossseubnida

• Apache Hadoop
• 덕분에 절차적 프로그래밍
• 병렬화가 가능하게 되었고
• 완전히 새로운 유형의
• 가능하게 되었습니다

KO 대량의 데이터 세트를 사용하여 인메모리 작업을 수행할 수 있는 능력은 Spark가 빅데이터 아키텍처에 포함되는 이유 중 하나입니다

přepis daelyang-ui deiteo seteuleul sayonghayeo inmemoli jag-eob-eul suhaenghal su issneun neunglyeog-eun Sparkga bigdeiteo akitegcheoe pohamdoeneun iyu jung hanaibnida

• 대량의 데이터 세트를
• 인메모리 작업을 수행할
• 있는 능력은 Spark가
• 아키텍처에 포함되는 이유
• 하나입니다

KO 연말 시즌을 위한 여성용 기프트 아이디어와 함께 완벽한 선물을 준비할 수 있는 영감을 얻으세요

přepis yeonmal sijeun-eul wihan yeoseong-yong gipeuteu aidieowa hamkke wanbyeoghan seonmul-eul junbihal su issneun yeong-gam-eul eod-euseyo

• 연말 시즌을 위한
• 기프트 아이디어와 함께
• 영감을 얻으세요

KO Apache Hadoop, Spark 및 기타 혁신 기술 덕분에 절차적 프로그래밍 언어의 병렬화가 가능하게 되었고, 완전히 새로운 유형의 애널리틱스가 가능하게 되었습니다

přepis Apache Hadoop, Spark mich gita hyeogsin gisul deogbun-e jeolchajeog peulogeulaeming eon-eoui byeonglyeolhwaga ganeunghage doeeossgo, wanjeonhi saeloun yuhyeong-ui aeneollitigseuga ganeunghage doeeossseubnida

• Apache Hadoop
• 덕분에 절차적 프로그래밍
• 병렬화가 가능하게 되었고
• 완전히 새로운 유형의
• 가능하게 되었습니다

KO 과거 데이터의 패턴은 Hadoop 및 Spark에서 직접 실행되는 TIBCO Analytics를 사용하여 대화형 방식으로 식별할 수 있습니다

přepis gwageo deiteoui paeteon-eun Hadoop mich Sparkeseo jigjeob silhaengdoeneun TIBCO Analyticsleul sayonghayeo daehwahyeong bangsig-eulo sigbyeolhal su issseubnida

• 과거 데이터의 패턴은
• 및 Spark에서 직접
• TIBCO Analytics를 사용하여

KO 자동 게인 제어로 최고의 오디오 품질을 유지합니다. 알림 시스템, 위치 기반 서비스 통합, 고독한 직원 보호 인증 및 ATEX no-spark로 직원이 어디에 있든 안전하게 보호하십시오.

přepis jadong gein jeeolo choegoui odio pumjil-eul yujihabnida. allim siseutem, wichi giban seobiseu tonghab, godoghan jig-won boho injeung mich ATEX no-sparklo jig-won-i eodie issdeun anjeonhage bohohasibsio.

• 자동 게인 제어로
• 오디오 품질을 유지합니다
• 알림 시스템
• 위치 기반 서비스
• 고독한 직원 보호
• 및 ATEX no-spark로
• 어디에 있든 안전하게

KO 대량의 데이터 세트를 사용하여 인메모리 작업을 수행할 수 있는 능력은 Spark가 빅데이터 아키텍처에 포함되는 이유 중 하나입니다

přepis daelyang-ui deiteo seteuleul sayonghayeo inmemoli jag-eob-eul suhaenghal su issneun neunglyeog-eun Sparkga bigdeiteo akitegcheoe pohamdoeneun iyu jung hanaibnida

• 대량의 데이터 세트를
• 인메모리 작업을 수행할
• 있는 능력은 Spark가
• 아키텍처에 포함되는 이유
• 하나입니다

KO Spark는 방향성 비순환 그래프(DAG) 실행 엔진을 사용함으로써 데이터 변환에 대한 효율적인 쿼리 계획을 생성할 수 있습니다

přepis Sparkneun banghyangseong bisunhwan geulaepeu(DAG) silhaeng enjin-eul sayongham-eulosseo deiteo byeonhwan-e daehan hyoyuljeog-in kwoli gyehoeg-eul saengseonghal su issseubnida

• Spark는 방향성 비순환
• DAG
• 실행 엔진을 사용함으로써
• 변환에 대한 효율적인

KO 또한 Spark는 입력, 출력 및 중간 데이터를 인 메모리에 복원력이 뛰어난 데이터 프레임으로 저장하므로, I/O 비용 없이 반복 또는 대화형 워크로드를 빠르게 처리하고 성능을 높일 수 있습니다.

přepis ttohan Sparkneun iblyeog, chullyeog mich jung-gan deiteoleul in memolie bog-wonlyeog-i ttwieonan deiteo peuleim-eulo jeojanghameulo, I/O biyong eobs-i banbog ttoneun daehwahyeong wokeulodeuleul ppaleuge cheolihago seongneung-eul nop-il su issseubnida.

• 또한 Spark는 입력
• 출력 및 중간
• 인 메모리에 복원력이
• 데이터 프레임으로 저장하므로
• O 비용 없이
• 또는 대화형 워크로드를
• 처리하고 성능을 높일

KO 이러한 라이브러리는 Spark 에코시스템과 긴밀하게 통합되며, 다양한 사용 사례를 해결하는 데 바로 활용할 수 있습니다

přepis ileohan laibeuleolineun Spark ekosiseutemgwa ginmilhage tonghabdoemyeo, dayanghan sayong salyeleul haegyeolhaneun de balo hwal-yonghal su issseubnida

• 이러한 라이브러리는 Spark
• 긴밀하게 통합되며
• 다양한 사용 사례를
• 데 바로 활용할
• 있습니다

KO 또한 Apache MXNet과 같은 딥 러닝 프레임워크를 Spark 애플리케이션과 함께 사용할 수 있습니다

přepis ttohan Apache MXNetgwa gat-eun dib leoning peuleim-wokeuleul Spark aepeullikeisyeongwa hamkke sayonghal su issseubnida

• 또한 Apache MXNet과
• 딥 러닝 프레임워크를
• 애플리케이션과 함께 사용할
• 있습니다

KO Amazon Kinesis, Apache Kafka에서 또는 EMR 기반 Spark Streaming의 다른 데이터 스트림에서 실시간 데이터를 사용하고 처리합니다

přepis Amazon Kinesis, Apache Kafka-eseo ttoneun EMR giban Spark Streaming-ui daleun deiteo seuteulim-eseo silsigan deiteoleul sayonghago cheolihabnida

• Amazon Kinesis
• Apache Kafka에서 또는
• 기반 Spark Streaming의
• 데이터 스트림에서 실시간
• 사용하고 처리합니다

KO EMR 기반 Apache Spark에는 MLlib가 포함되어 있어 다양한 확장 가능한 기계 학습 알고리즘을 사용할 수 있으며, 사용자의 자체 라이브러리를 사용할 수도 있습니다

přepis EMR giban Apache Sparkeneun MLlibga pohamdoeeo iss-eo dayanghan hwagjang ganeunghan gigye hagseub algolijeum-eul sayonghal su iss-eumyeo, sayongjaui jache laibeuleolileul sayonghal sudo issseubnida

• EMR 기반 Apache
• MLlib가 포함되어 있어
• 확장 가능한 기계
• 사용자의 자체 라이브러리를
• 수도 있습니다

KO Spark는 작업 중에 데이터 세트를 인 메모리에 저장함으로써 기계 학습 워크로드에서 흔히 발생하는 반복 쿼리에 뛰어난 성능을 발휘합니다

přepis Sparkneun jag-eob jung-e deiteo seteuleul in memolie jeojangham-eulosseo gigye hagseub wokeulodeueseo heunhi balsaenghaneun banbog kwolie ttwieonan seongneung-eul balhwihabnida

• Spark는 작업 중에
• 세트를 인 메모리에
• 기계 학습 워크로드에서
• 발생하는 반복 쿼리에
• 성능을 발휘합니다

KO EMR 기반 Spark는 EMRFS를 활용할 수 있으므로, S3에 있는 데이터 세트에 임의 액세스할 수 있습니다

přepis EMR giban Sparkneun EMRFSleul hwal-yonghal su iss-eumeulo, S3e issneun deiteo seteue im-ui aegseseuhal su issseubnida

• EMR 기반 Spark는
• 활용할 수 있으므로
• 있는 데이터 세트에
• 액세스할 수 있습니다

KO Amazon EMR 기반 Apache Spark를 사용하여 기계 학습 모델을 교육하는 데 사용할 대량의 데이터를 처리함으로써 Yelp는 매출과 광고 클릭률을 높였습니다.

přepis Amazon EMR giban Apache Sparkleul sayonghayeo gigye hagseub model-eul gyoyughaneun de sayonghal daelyang-ui deiteoleul cheoliham-eulosseo Yelpneun maechulgwa gwang-go keulliglyul-eul nop-yeossseubnida.

• Amazon EMR 기반
• Spark를 사용하여 기계
• 모델을 교육하는 데
• 대량의 데이터를 처리함으로써
• 매출과 광고 클릭률을

KO Krux는 고객 통찰력을 위한 데이터 관리 플랫폼의 한 부분으로 Apache Spark를 사용하여 많은 기계 학습 및 일반 처리 워크로드를 실행합니다

přepis Kruxneun gogaeg tongchallyeog-eul wihan deiteo gwanli peullaespom-ui han bubun-eulo Apache Sparkleul sayonghayeo manh-eun gigye hagseub mich ilban cheoli wokeulodeuleul silhaenghabnida

• Krux는 고객 통찰력을
• 데이터 관리 플랫폼의
• 부분으로 Apache Spark를
• 처리 워크로드를 실행합니다

KO Krux는 휘발성 Amazon EMR 클러스터를 Amazon EC2 스팟 용량과 함께 사용하여 비용을 절감하고, EMRFS를 통해 Amazon S3를 Apache Spark용 데이터 계층으로 사용합니다.

přepis Kruxneun hwibalseong Amazon EMR keulleoseuteoleul Amazon EC2 seupas yonglyang-gwa hamkke sayonghayeo biyong-eul jeolgamhago, EMRFSleul tonghae Amazon S3leul Apache Sparkyong deiteo gyecheung-eulo sayonghabnida.

• Krux는 휘발성 Amazon
• 클러스터를 Amazon 스팟
• 함께 사용하여 비용을
• EMRFS를 통해 Amazon
• Spark용 데이터 계층으로

KO 인 이미지 및 인 스크린 광고 플랫폼인 GumGum은 Amazon EMR 기반 Spark를 사용하여 인벤토리 예측, 클릭스트림 로그의 처리, 그리고 Amazon S3에 있는 비정형 데이터의 임시 분석을 수행합니다

přepis in imiji mich in seukeulin gwang-go peullaespom-in GumGum-eun Amazon EMR giban Sparkleul sayonghayeo inbentoli yecheug, keulligseuteulim logeuui cheoli, geuligo Amazon S3e issneun bijeonghyeong deiteoui imsi bunseog-eul suhaenghabnida

• 인 이미지 및
• 스크린 광고 플랫폼인
• Amazon EMR 기반
• 사용하여 인벤토리 예측
• 클릭스트림 로그의 처리
• 그리고 Amazon 있는
• 데이터의 임시 분석을

KO Spark를 통한 성능 향상으로 GumGum은 이러한 워크로드에 드는 시간과 비용을 절감했습니다.

přepis Sparkleul tonghan seongneung hyangsang-eulo GumGum-eun ileohan wokeulodeue deuneun sigangwa biyong-eul jeolgamhaessseubnida.

• Spark를 통한 성능
• GumGum은 이러한 워크로드에
• 시간과 비용을

KO Hearst의 편집진은 Amazon EMR 기반 Apache Spark Streaming을 사용하여 어떤 기사가 반응이 좋고 어떤 주제가 요즘 추세인지 실시간으로 확인할 수 있습니다.

přepis Hearstui pyeonjibjin-eun Amazon EMR giban Apache Spark Streaming-eul sayonghayeo eotteon gisaga ban-eung-i johgo eotteon jujega yojeum chuseinji silsigan-eulo hwag-inhal su issseubnida.

• Hearst의 편집진은 Amazon
• 기반 Apache Spark
• 사용하여 어떤 기사가
• 좋고 어떤 주제가
• 추세인지 실시간으로 확인할

KO Amazon EMR을 Spark와 함께 사용하여 수백 테라바이트 규모의 이벤트 데이터를 처리하고, 호스트에 대해 더 높은 수준의 행동 설명을 도출합니다

přepis Amazon EMReul Sparkwa hamkke sayonghayeo subaeg telabaiteu gyumoui ibenteu deiteoleul cheolihago, hoseuteue daehae deo nop-eun sujun-ui haengdong seolmyeong-eul dochulhabnida

• Amazon EMR을 Spark와
• 사용하여 수백 테라바이트
• 데이터를 처리하고
• 호스트에 대해 더
• 수준의 행동 설명을

KO Apache Spark는 기본적으로 Java, Scala, SQL 및 Python을 지원하므로, 애플리케이션을 구축할 수 있도록 다양한 언어를 제공합니다

přepis Apache Sparkneun gibonjeog-eulo Java, Scala, SQL mich Python-eul jiwonhameulo, aepeullikeisyeon-eul guchughal su issdolog dayanghan eon-eoleul jegonghabnida

• Apache Spark는 기본적으로
• Scala
• SQL 및 Python을
• 다양한 언어를 제공합니다

KO 또한 Spark SQL 모듈을 사용하여 SQL 또는 HiveQL 쿼리를 제출할 수 있습니다

přepis ttohan Spark SQL modyul-eul sayonghayeo SQL ttoneun HiveQL kwolileul jechulhal su issseubnida

• 또한 Spark SQL
• 사용하여 SQL 또는

KO 클러스터 외부의 영구 Spark 기록 서버가 있는 EMR 콘솔에서 워크로드를 튜닝하고 디버깅할 수 있습니다.

přepis keulleoseuteo oebuui yeong-gu Spark gilog seobeoga issneun EMR konsol-eseo wokeulodeuleul tyuninghago dibeoginghal su issseubnida.

• 클러스터 외부의 영구
• 기록 서버가 있는
• 콘솔에서 워크로드를 튜닝하고

KO 마이스터태스크를 마이크로소프트 아웃룩, Gmail, Spark 이메일 계정과 연동해서 쉽게 이메일을 작업으로 전환시킬 수 있습니다

přepis maiseuteotaeseukeuleul maikeulosopeuteu auslug, Gmail, Spark imeil gyejeong-gwa yeondonghaeseo swibge imeil-eul jag-eob-eulo jeonhwansikil su issseubnida

• 마이스터태스크를 마이크로소프트 아웃룩
• Gmail
• Spark 이메일 계정과
• 쉽게 이메일을 작업으로
• 있습니다