KIT | KIT-Bibliothek | Impressum | Datenschutz

Low-latency big data visualisation

Tan Jerome, Nicholas

Abstract:
Diese Arbeit hat sich zum Ziel gesetzt, Methoden aufzuzeigen, „Big-Data“-Archive zu organisieren und zentrale Elemente der enthaltenen Informationen zu visualisieren. Anhand von drei wissenschaftlichen Experimenten werde ich zwei „Big-Data“- Herausforderungen, Datenvolumen (Volume) und Heterogenität (Variety), untersuchen und eine Visualisierung im Browser präsentieren, die trotz reduzierter Datenrate die wesentliche Information in den Datensätzen enthält.

Abstract (englisch):
The scope of this research focuses on managing Big Data and eventually visualising the core information of the data itself. Specifically, I study three large-scale experiments that feature two Big Data challenges: large data size (Volume) and heterogeneous data (Variety), and provide the final visualisation through the web browser in which the size of the input data has to be reduced while preserving the vital information.

Open Access Logo


Volltext §
DOI: 10.5445/KSP/1000095735
Veröffentlicht am 06.11.2019
Die gedruckte Version dieser Publikation können Sie hier kaufen.
Coverbild
Zugehörige Institution(en) am KIT Institut für Prozessdatenverarbeitung und Elektronik (IPE)
Publikationstyp Hochschulschrift
Jahr 2019
Sprache Englisch
Identifikator ISBN: 978-3-7315-0940-0
KITopen-ID: 1000095735
Verlag KIT Scientific Publishing, Karlsruhe
Umfang VII, 221 S.
Abschlussart Dissertation
Fakultät Fakultät für Elektrotechnik und Informationstechnik (ETIT)
Institut Institut für Prozessdatenverarbeitung und Elektronik (IPE)
Prüfungsdatum 07.05.2019
Referent/Betreuer Prof. M. Weber
Schlagworte Big Data, Datenmanagement, Visualisierung, Digitale Bibliothek, niedrige Latenzzeit, Big Data, Data Management, Visualisation, Digital Library, Low-latency
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page