http://dl.gi.de/handle/20.500.12116/11556 2026-07-21T14:09:49Z 2026-07-21T14:09:49Z Dittrich, Jens Richter, Stefan Schuh, Stefan http://dl.gi.de/handle/20.500.12116/11671 2018-03-29T12:36:13Z 2013-01-01T00:00:00Z

Efficient OR Hadoop: Why Not Both? Dittrich, Jens; Richter, Stefan; Schuh, Stefan In this article, we give an overview of research related to Big Data processing in Hadoop going on at the Information Systems Group at Saarland University. We discuss how to make Hadoop efficient. We briefly survey three of our projects in this context: Hadoop++, Trojan Layouts, and HAIL.

2013-01-01T00:00:00Z Kemper, Alfons Lehner, Wolfgang http://dl.gi.de/handle/20.500.12116/11672 2018-03-29T12:36:13Z 2013-01-01T00:00:00Z

Dr. Dean Jacobs Kemper, Alfons; Lehner, Wolfgang

2013-01-01T00:00:00Z Sauer, Caetano Härder, Theo http://dl.gi.de/handle/20.500.12116/11675 2018-03-29T12:36:13Z 2013-01-01T00:00:00Z

Compilation of Query Languages into MapReduce Sauer, Caetano; Härder, Theo The introduction of MapReduce as a tool for Big Data Analytics, combined with the new requirements of emerging application scenarios such as the Web 2.0 and scientific computing, has motivated the development of data processing languages which are more flexible and widely applicable than SQL. Based on the Big Data context, we discuss the points in which SQL is considered too restrictive. Furthermore, we provide a qualitative evaluation of how recent query languages overcome these restrictions. Having established the desired characteristics of a query language, we provide an abstract description of the compilation into the MapReduce programming model, which, up to minor variations, is essentially the same in all approaches. Given the requirements of query processing, we introduce simple generalizations of the model, which allow the reuse of well-established query evaluation techniques, and discuss strategies to generate optimized MapReduce plans.

2013-01-01T00:00:00Z Seidl, Thomas http://dl.gi.de/handle/20.500.12116/11673 2018-03-29T12:36:13Z 2013-01-01T00:00:00Z

Datenmanagement und -exploration an der RWTH Aachen Seidl, Thomas Der Lehrstuhl für Informatik 9 (Datenmanagement und -exploration) an der RWTH Aachen beschäftigt sich mit Data Mining- und Datenbanktechnologien für multimediale und räumlich-zeitliche Daten in ingenieur-, natur-, lebens-, wirtschafts- und sozialwissenschaftlichen Anwendungen. Sowohl die große Menge an Daten als auch die Komplexität der einzelnen Objekte bergen unterschiedliche Herausforderungen für die Analyse und Exploration realer Daten, denen wir mit der Entwicklung neuer effektiver sowie effizienter Konzepte für Datenanalyse und Datenmanagement begegnen.

2013-01-01T00:00:00Z