Hadoop Taiwan User Group http://www.hadoop.tw/ en-US Copyright 2012 Tue, 20 Mar 2012 04:59:03 +0800 http://www.sixapart.com/movabletype/ http://www.rssboard.org/rss-specification Spring Hadoop 快速入門 傳說中的 Spring 終於整合了 Hadoop, 推出了 Spring Hadoop.
當你想要開始體驗 Spring Hadoop 的時候, 你會遇到各式各樣奇怪的問題, 目前也有人開始陸續回報了.
如果你只是想要簡單的試用一下, 又不想要自己解決這些疑難雜症, 建議大家可以參考下面的步驟來快速體驗一下 Spring Hadoop 的威力.

  • 環境要求: Hadoop 0.20.2+
  如果你還沒有安裝 Hadoop 的話, 可以參考國網中心的教學去安裝 Hadoop
  http://trac.nchc.org.tw/cloud/wiki/Hadoop_Lab1
  當然你也可以直接申請國網中心的 Hadoop 環境來使用
  http://hadoop.nchc.org.tw/
                                                                   
  安裝之後, 那就讓我們來開始吧...

  • Step1. 下載 Spring Hadoop, 這邊是使用 git 去下載, 如果你對 git 不熟悉的話, 也可以直接從官網下載再解壓縮
  這邊的例子裡面是用我的 home 目錄為例, 大家記得要改成你自己的目錄名稱
  /home/evanshsu mkdir springhadoop　
  /home/evanshsu cd springhadoop
  /home/evanshsu/springhadoop git init
  /home/evanshsu/springhadoop git pull "git://github.com/SpringSource/spring-hadoop.git"

  • Step2. build spring-hadoop.jar
  build完之後, 我們要把所有的 jar 檔都放在 /home/evanshsu/springhadoop/lib 裡面, 以便之後把所有的 jar 檔包在同一包裡面
  /home/evanshsu/springhadoop ./gradlew jar
  /home/evanshsu/springhadoop mkdir lib
  /home/evanshsu/springhadoop cp build/libs/spring-data-hadoop-1.0.0.BUILD-SNAPSHOT.jar lib/
   
  • Step3. get spring-framework.
  因為 spring hadoop 是倚賴於 spring-framework 的, 所以我們也要把 spring-framework 的 jar 檔放在 lib 裡面
  /home/evanshsu/spring wget "http://s3.amazonaws.com/dist.springframework.org/release/SPR/spring-framework-3.1.1.RELEASE.zip"
  /home/evanshsu/spring unzip spring-framework-3.1.1.RELEASE.zip
  /home/evanshsu/spring cp spring-framework-3.1.1.RELEASE/dist/*.jar /home/evanshsu/springhadoop/lib/

  • Step4. 修改 build file 讓我們可以把所有的 jar 檔, 封裝到同一個 jar 檔裡面
  /home/evanshsu/spring/samples/wordcount vim build.gradle

    description = 'Spring Hadoop Samples - WordCount'

    apply plugin: 'base'
    apply plugin: 'java'
    apply plugin: 'idea'
    apply plugin: 'eclipse'

    repositories {
        flatDir(dirs: '/home/evanshsu/springhadoop/lib/')
        // Public Spring artefacts
        maven { url "http://repo.springsource.org/libs-release" }
        maven { url "http://repo.springsource.org/libs-milestone" }
        maven { url "http://repo.springsource.org/libs-snapshot" }
    }

    dependencies {
        compile fileTree('/home/evanshsu/springhadoop/lib/')
        compile "org.apache.hadoop:hadoop-examples:$hadoopVersion"
        // see HADOOP-7461
        runtime "org.codehaus.jackson:jackson-mapper-asl:$jacksonVersion"

        testCompile "junit:junit:$junitVersion"
        testCompile "org.springframework:spring-test:$springVersion"
    }

    jar {
        from configurations.compile.collect { it.isDirectory() ? it : zipTree(it).matching{
            exclude 'META-INF/spring.schemas'
            exclude 'META-INF/spring.handlers'
            } }
    }

  • Step5. 這邊有一個特殊的 hadoop.properties 主要是放置 hadoop 相關的設定資料.
  基本上我們要把 wordcount.input.path wordcount.output.path 改成之後執行 wordcount 要使用的目錄,　而且 wordcount.input.path 裡面記得要放幾個文字檔
  另外, 還要把 hd.fs 改成你 hdfs 的設定
  如果你是用國網中心 Hadoop 的話, 要把 hd.fs 改成 hd.fs=hdfs://gm2.nchc.org.tw:8020
  /home/evanshsu/spring/samples/wordcount vim src/main/resources/hadoop.properties

    wordcount.input.path=/user/evanshsu/input.txt
    wordcount.output.path=/user/evanshsu/output

    hive.host=localhost
    hive.port=12345
    hive.url=jdbc:hive://${hive.host}:${hive.port}
    hd.fs=hdfs://localhost:9000
    mapred.job.tracker=localhost:9001

    path.cat=bin${file.separator}stream-bin${file.separator}cat
    path.wc=bin${file.separator}stream-bin${file.separator}wc

    input.directory=logs
    log.input=/logs/input/
    log.output=/logs/output/

    distcp.src=${hd.fs}/distcp/source.txt
    distcp.dst=${hd.fs}/distcp/dst

  • Step6. 這是最重要的一個設定檔, 有用過 Spring 的人都知道這個設定檔是 Spring 的靈魂
  /home/evanshsu/spring/samples/wordcount vim src/main/resources/META-INF/spring/context.xml

    <?xml version="1.0" encoding="UTF-8"?>
    <beans xmlns="http://www.springframework.org/schema/beans"
        xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
        xmlns:context="http://www.springframework.org/schema/context"
        xmlns:hdp="http://www.springframework.org/schema/hadoop"
        xmlns:p="http://www.springframework.org/schema/p"
        xsi:schemaLocation="http://www.springframework.org/schema/beans http://www.springframework.org/schema/beans/spring-beans.xsd
        http://www.springframework.org/schema/context http://www.springframework.org/schema/context/spring-context.xsd
        http://www.springframework.org/schema/hadoop http://www.springframework.org/schema/hadoop/spring-hadoop.xsd">

        <context:property-placeholder location="hadoop.properties"/>

        <hdp:configuration>
            fs.default.name=${hd.fs}
        </hdp:configuration>

        <hdp:job id="wordcount-job" validate-paths="false"
            input-path="${wordcount.input.path}" output-path="${wordcount.output.path}"
            mapper="org.springframework.data.hadoop.samples.wordcount.WordCountMapper"
            reducer="org.springframework.data.hadoop.samples.wordcount.WordCountReducer"
            jar-by-class="org.springframework.data.hadoop.samples.wordcount.WordCountMapper" />

        <!-- simple job runner -->
        <bean id="runner" class="org.springframework.data.hadoop.mapreduce.JobRunner"  p:jobs-ref="wordcount-job"/>
      
    </beans>

  • Step7. 加上自己的 mapper, reducer
  /home/evanshsu/spring/samples/wordcount vim src/main/java/org/springframework/data/hadoop/samples/wordcount/WordCountMapper.java

    package org.springframework.data.hadoop.samples.wordcount;
    import java.io.IOException;
    import java.util.StringTokenizer;

    import org.apache.hadoop.io.IntWritable;
    import org.apache.hadoop.io.Text;
    import org.apache.hadoop.mapreduce.Mapper;

    public class WordCountMapper extends Mapper<Object, Text, Text, IntWritable> {

        private final static IntWritable one = new IntWritable(1);
        private Text word = new Text();

        public void map(Object key, Text value, Context context)
                throws IOException, InterruptedException {
            StringTokenizer itr = new StringTokenizer(value.toString());
            while (itr.hasMoreTokens()) {
                word.set(itr.nextToken());
                context.write(word, one);
            }
        }
    }


  /home/evanshsu/spring/samples/wordcount vim src/main/java/org/springframework/data/hadoop/samples/wordcount/WordCountReducer.java

    package org.springframework.data.hadoop.samples.wordcount;
    import java.io.IOException;

    import org.apache.hadoop.io.IntWritable;
    import org.apache.hadoop.io.Text;
    import org.apache.hadoop.mapreduce.Reducer;

    public class WordCountReducer extends
            Reducer<Text, IntWritable, Text, IntWritable> {
        private IntWritable result = new IntWritable();

        public void reduce(Text key, Iterable<IntWritable> values, Context context)
                throws IOException, InterruptedException {
            int sum = 0;
            for (IntWritable val : values) {
                sum += val.get();
            }
            result.set(sum);
            context.write(key, result);
        }
    }

  • Step8.  加上 spring.schemas, spring.handlers
  /home/evanshsu/spring/samples/wordcount vim src/main/resources/META-INF/spring.schemas
    http\://www.springframework.org/schema/context/spring-context.xsd=org/springframework/context/config/spring-context-3.1.xsd
    http\://www.springframework.org/schema/hadoop/spring-hadoop.xsd=/org/springframework/data/hadoop/config/spring-hadoop-1.0.xsd

  /home/evanshsu/spring/samples/wordcount vim src/main/resources/META-INF/spring.handlers
    http\://www.springframework.org/schema/p=org.springframework.beans.factory.xml.SimplePropertyNamespaceHandler
    http\://www.springframework.org/schema/context=org.springframework.context.config.ContextNamespaceHandler
    http\://www.springframework.org/schema/hadoop=org.springframework.data.hadoop.config.HadoopNamespaceHandler

  • Step9. 終於到最後一步囉, 這一步我們要把所有的 jar 檔封裝在一起, 並且丟到 hadoop 上面去跑
/home/evanshsu/spring/samples/wordcount ../../gradlew jar
/home/evanshsu/spring/samples/wordcount hadoop jar build/libs/wordcount-1.0.0.M1.jar org.springframework.data.hadoop.samples.wordcount.Main

  • Step10. 最後來確認看看結果有沒有跑出來吧
/home/evanshsu/spring/samples/wordcount hadoop fs -cat /user/evanshsu/output/*

]]> http://www.hadoop.tw/2012/03/spring-hadoop-quickstart-tutorial.html http://www.hadoop.tw/2012/03/spring-hadoop-quickstart-tutorial.html Hadoop hadoop spring spring hadoop Tue, 20 Mar 2012 04:59:03 +0800 Spring Hadoop Quickstart Since Spring annouce spring-hadoop, let's perform a quick practice.
(http://blog.springsource.org/2012/02/29/introducing-spring-hadoop/ )
This is definetly not a regular usage for spring-hadoop.
I make some change because I met some problems with dependencies and ipc issues.

  • pre-requirement: hadoop 0.20.2+
  If you don't have hadoop environment yet, please reference these documents to install it.
  http://trac.nchc.org.tw/cloud/wiki/Hadoop_Lab1                                                                     
 
  Of course, you can get a free one from NCHC too.
  http://hadoop.nchc.org.tw/
                                                                    
  • Step1. get spring-hadoop. you can get it by git or download from website.                                            
  /home/evanshsu/springhadoop git init
  /home/evanshsu/springhadoop git pull "git://github.com/SpringSource/spring-hadoop.git"
 
  • Step2. build spring-hadoop.jar 
  /home/evanshsu/springhadoop ./gradlew jar
  /home/evanshsu/springhadoop mkdir lib
  /home/evanshsu/springhadoop cp build/libs/spring-data-hadoop-1.0.0.BUILD-SNAPSHOT.jar lib/

  • Step3. get spring-framework.
  /home/evanshsu/spring wget "http://s3.amazonaws.com/dist.springframework.org/release/SPR/spring-framework-3.1.1.RELEASE.zip"
  /home/evanshsu/spring unzip spring-framework-3.1.1.RELEASE.zip
  /home/evanshsu/spring cp spring-framework-3.1.1.RELEASE/dist/*.jar /home/evanshsu/springhadoop/lib/

  • Step4. change the build file. we will assembly all jars into 1 jar file.
  /home/evanshsu/spring/samples/wordcount vim build.gradle

description = 'Spring Hadoop Samples - WordCount'

apply plugin: 'base'
apply plugin: 'java'
apply plugin: 'idea'
apply plugin: 'eclipse'

repositories {
    flatDir(dirs: '/home/evanshsu/springhadoop/lib/')
    // Public Spring artefacts
    maven { url "http://repo.springsource.org/libs-release" }
    maven { url "http://repo.springsource.org/libs-milestone" }
    maven { url "http://repo.springsource.org/libs-snapshot" }
}

dependencies {
    compile fileTree('/home/evanshsu/springhadoop/lib/')
    compile "org.apache.hadoop:hadoop-examples:$hadoopVersion"
    // see HADOOP-7461
    runtime "org.codehaus.jackson:jackson-mapper-asl:$jacksonVersion"

    testCompile "junit:junit:$junitVersion"
    testCompile "org.springframework:spring-test:$springVersion"
}

jar {
    from configurations.compile.collect { it.isDirectory() ? it : zipTree(it).matching{
        exclude 'META-INF/spring.schemas'
        exclude 'META-INF/spring.handlers'
        } }
}

  • Step5. change hdfs hostname and wordcount paths (wordcount.input.path wordcount.output.path hd.fs) If you use nchc, please change hd.fs to hd.fs=hdfs://gm2.nchc.org.tw:8020
  /home/evanshsu/spring/samples/wordcount vim src/main/resources/hadoop.properties

wordcount.input.path=/user/evanshsu/input.txt
wordcount.output.path=/user/evanshsu/output

hive.host=localhost
hive.port=12345
hive.url=jdbc:hive://${hive.host}:${hive.port}
hd.fs=hdfs://localhost:9000
mapred.job.tracker=localhost:9001

path.cat=bin${file.separator}stream-bin${file.separator}cat
path.wc=bin${file.separator}stream-bin${file.separator}wc

input.directory=logs
log.input=/logs/input/
log.output=/logs/output/

distcp.src=${hd.fs}/distcp/source.txt
distcp.dst=${hd.fs}/distcp/dst

  • Step6. This is the most important part of spring-hadoop
  /home/evanshsu/spring/samples/wordcount vim src/main/resources/META-INF/spring/context.xml
<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.org/schema/beans"
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xmlns:context="http://www.springframework.org/schema/context"
    xmlns:hdp="http://www.springframework.org/schema/hadoop"
    xmlns:p="http://www.springframework.org/schema/p"
    xsi:schemaLocation="http://www.springframework.org/schema/beans http://www.springframework.org/schema/beans/spring-beans.xsd
    http://www.springframework.org/schema/context http://www.springframework.org/schema/context/spring-context.xsd
    http://www.springframework.org/schema/hadoop http://www.springframework.org/schema/hadoop/spring-hadoop.xsd">


    <context:property-placeholder location="hadoop.properties"/>

    <hdp:configuration>
        fs.default.name=${hd.fs}
    </hdp:configuration>

    <hdp:job id="wordcount-job" validate-paths="false"
        input-path="${wordcount.input.path}" output-path="${wordcount.output.path}"
        mapper="org.springframework.data.hadoop.samples.wordcount.WordCountMapper"
        reducer="org.springframework.data.hadoop.samples.wordcount.WordCountReducer"
        jar-by-class="org.springframework.data.hadoop.samples.wordcount.WordCountMapper" />


      <hdp:script id="clean-script" language="javascript">
             // 'hack' default permissions to make Hadoop work on Windows
        if (java.lang.System.getProperty("os.name").startsWith("Windows")) {
            // 0655 = -rwxr-xr-x
             org.apache.hadoop.mapreduce.JobSubmissionFiles.JOB_DIR_PERMISSION.fromShort(0655)
             org.apache.hadoop.mapreduce.JobSubmissionFiles.JOB_FILE_PERMISSION.fromShort(0655)
        }
        
        inputPath = "${wordcount.input.path}"
        outputPath = "${wordcount.output.path}"   
        if (fsh.test(inputPath)) { fsh.rmr(inputPath) }
        if (fsh.test(outputPath)) { fsh.rmr(outputPath) }

        // copy using the streams directly (to be portable across envs)
        inStream = cl.getResourceAsStream("data/nietzsche-chapter-1.txt")
        org.apache.hadoop.io.IOUtils.copyBytes(inStream, fs.create(inputPath), cfg)
    </hdp:script>
   
    <!-- simple job runner -->
    <bean id="runner" class="org.springframework.data.hadoop.mapreduce.JobRunner"  p:jobs-ref="wordcount-job"/>
   
</beans>


  • Step7. Add your self mapper and reducer
  /home/evanshsu/spring/samples/wordcount vim src/main/java/org/springframework/data/hadoop/samples/wordcount/WordCountMapper.java

package org.springframework.data.hadoop.samples.wordcount;
import java.io.IOException;
import java.util.StringTokenizer;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

public class WordCountMapper extends Mapper<Object, Text, Text, IntWritable> {

    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();

    public void map(Object key, Text value, Context context)
            throws IOException, InterruptedException {
        StringTokenizer itr = new StringTokenizer(value.toString());
        while (itr.hasMoreTokens()) {
            word.set(itr.nextToken());
            context.write(word, one);
        }
    }
}


  /home/evanshsu/spring/samples/wordcount vim src/main/java/org/springframework/data/hadoop/samples/wordcount/WordCountReducer.java

package org.springframework.data.hadoop.samples.wordcount;
import java.io.IOException;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

public class WordCountReducer extends
        Reducer<Text, IntWritable, Text, IntWritable> {
    private IntWritable result = new IntWritable();

    public void reduce(Text key, Iterable<IntWritable> values, Context context)
            throws IOException, InterruptedException {
        int sum = 0;
        for (IntWritable val : values) {
            sum += val.get();
        }
        result.set(sum);
        context.write(key, result);
    }
}

  • Step8. add spring.schemas and spring.handlers.
  /home/evanshsu/spring/samples/wordcount vim src/main/resources/META-INF/spring.schemas
http\://www.springframework.org/schema/context/spring-context.xsd=org/springframework/context/config/spring-context-3.1.xsd
http\://www.springframework.org/schema/hadoop/spring-hadoop.xsd=/org/springframework/data/hadoop/config/spring-hadoop-1.0.xsd

  /home/evanshsu/spring/samples/wordcount vim src/main/resources/META-INF/spring.handlers
http\://www.springframework.org/schema/p=org.springframework.beans.factory.xml.SimplePropertyNamespaceHandler
http\://www.springframework.org/schema/context=org.springframework.context.config.ContextNamespaceHandler
http\://www.springframework.org/schema/hadoop=org.springframework.data.hadoop.config.HadoopNamespaceHandler

  • Step9. build and run
/home/evanshsu/spring/samples/wordcount ../../gradlew jar
/home/evanshsu/spring/samples/wordcount hadoop jar build/libs/wordcount-1.0.0.M1.jar org.springframework.data.hadoop.samples.wordcount.Main

  • Step10. confirm it works
/home/evanshsu/spring/samples/wordcount hadoop fs -cat /user/evanshsu/output/*




 
]]> http://www.hadoop.tw/2012/03/spring-hadoop-quickstart.html http://www.hadoop.tw/2012/03/spring-hadoop-quickstart.html Hadoop hadoop spring spring hadoop Mon, 19 Mar 2012 19:43:42 +0800 歡迎加入台灣Hadoop社群臉書粉絲團 有興趣加入分享國內 Hadoop 相關研究的社群同好，
歡迎蒞臨 http://www.facebook.com/groups/191142874328429

- Jazz
]]> http://www.hadoop.tw/2012/03/hadoop.html http://www.hadoop.tw/2012/03/hadoop.html facebook Fri, 09 Mar 2012 17:36:03 +0800 [JOB] Hadoop 工作機會 @ 台南 > Job description:

  1. Study and implement cloud computing technologies.
  2. Collaborate with project teams to pilot and promote cloud computing
     technologies.
  3. Develop semiconductor manufacturing and engineering related
applications.

> Job requirement:

  1. MS degree or above in computer science or related disciplines.
  2. At lease 2-year experience in the Hadoop BigData/MapReduce and Java
programming.
  3. Ability to learn and apply new technologies quickly.
  4. Self motivated, good teamwork and problem solving skill.
  5. Fluent English communication skill is a plus (oral and written).
  6. Location is at Tainan

工作地點: 台南
履歷資料請寄 ylchange@tsmc.com ]]> http://www.hadoop.tw/2012/01/job-hadoop-3.html http://www.hadoop.tw/2012/01/job-hadoop-3.html Hadoop MapReduce job 工作機會 Wed, 18 Jan 2012 17:54:50 +0800 第三屆台灣 Hadoop 使用者社群會議（議程更新） << 第二屆台灣 Hadoop 使用者社群會議     |　　 >>

 

第三屆台灣 Hadoop 使用者社群會議 
Hadoop Taiwan User Group Meeting 2011

按這裡填寫報名資訊

   2010 年被譽為台灣雲端元年，2011 年我們看到雲端風潮開始在台灣各行各業持續發酵，其中大量資料分析技術（Big Data）更被 Gartner 視為 2012 關鍵 IT 策略技術之一。Hadoop 在大量資料分析技術中媒體曝光率最高的雲端技術，Hadoop 生態系專案經過六年的醞釀，近期 Hadoop 相關的新創公司如雨後春筍般快速冒出，相信對於已經在使用 Hadoop 的開發者們無疑是劑強心針。2010 年感謝國內 Hadoop 使用者社群的踴躍支持，克服交通不便的障礙，熱情地參與第二屆台灣 Hadoop 使用者社群會議，讓我們倍感榮幸。今年感謝有工研院服務業科技應用中心與產業經濟與趨勢研究中心委託我們進行 Hadoop 與雲端運算相關專案。秉持取之於自由軟體，用之於自由軟體的精神，我們今年依慣例將委託金額部份挪出來辦此次活動，希望可以藉此次活動能讓各位聽到更多台灣本土的 Hadoop 新奇應用、讓大家了解最近有哪些新的 Hadoop 技術或服務可以使用。

   由於資料庫應用在傳統資訊系統扮演非常重要的角色，加上 Hadoop MapReduce 已整合進微軟的 SQL Server ，連 Oracle 都有類似的整合計畫。因此今年無獨有偶，多數講者都在談論資料庫系統與 Hadoop 的整合。今年的講者群陣容相當堅強，分佈於產、學、研各界，包括：EMC Greenplum、中華電信研究所、東海大學高效能計算實驗室、逢甲大學地理資訊系統研究中心與國網中心雲端運算研究小組。希望透過此次會議，讓更多有興趣瞭解 Hadoop 的夥伴相互交流，進行凝聚出台灣區的 Hadoop 社群。

    本會議不收取任何報名費用，歡迎各界踴躍參加。礙於此次會議場地座位有限，請速上網報名（http://registrano.com/events/hadoop-tw-2011），額滿為止。

    本次會議感謝中華電信、EMC Greenplum、CIO IT 經理人雜誌、iThome 電腦報週刊贊助展示攤位與週刊雜誌，主辦單位國網中心方面亦提供 14 本「Hadoop 技術手冊, 2/e」繁體中文版給每場講者贈送問問題的聽眾。歡迎大家踴躍報名～

議程

09:00 ~ 09:20 報　　到 （Registration）
09:20 ~ 09:30 大會開場致詞
09:30 ~ 10:10 講 題：Hadoop大資料處理解決方案 - 資料處理流程應用服務
講 者：洪子翔，中華電信研究所 經營策略研究室 助理研究員
10:20 ~ 11:00 講 題：Riak applied: case studies on distributed computing
講 者：Fyodor Yarochkin，台灣大學／阿碼科技（Armorize）
11:10 ~ 11:50 講 題：Greenplum 整合分析平台 － 以 Recruit Japan 經驗為例
Greenplum Unified Analytical Platform - Recruit Japan Case Study
講 者：Jimmy Chiu 邱垂吉，EMC Greenplum 技術顧問
12:00 ~ 13:00 午　　餐 （Lunch） / 大會供應餐盒
13:00 ~ 13:40 講 題：HBASE 於海量級資料之應用 - 以 SELENE 之多光譜感測器為例
講 者：辜文元，逢甲大學地理資訊系統研究中心
13:50 ~ 14:30 講 題：大資料寫入 HBase 案例探討 ─ 以警政監控案與轉動台灣案為例
講 者：黃至德，中華電信研究所寬頻網路技術研究室
14:40 ~ 15:20 講 題：雲端計算平台上醫療影像檔案存取系統
講 者：楊朝棟，東海大學資訊工程學系
15:30 ~ 16:10 講 題：運用抓抓龍（Crawlzilla）製作個人化書籤搜尋引擎
講 者：王耀聰，國家高速網路與計算中心 副研究員
16:20 ~ 16:40 EMC Greenplum 實作展示

交通資訊

  • 開車路線(到達目的地後請跟警衛換證)  
  1. 華江大橋→文化路一段→左轉漢生東路→左轉區運路→左轉民族路→電信訓練所   
  2. 華翠大橋、萬板大橋→縣民大道二段→左轉漢生東路→左轉區運路→左轉民族路→電信訓練所  
  3. 光復大橋→板橋中山路一段→左轉漢生東路→左轉區運路→左轉民族路→電信訓練所  
  4. 中永和可經華中橋、中正橋→中和中山路一段、三段→板橋民族路區運路口迴轉→電信訓練所  
  5. 北二高北上請於土城交流道 →接台65號快速道路往板橋→縣民大道→右轉民權路→左轉民族路→電信訓練所
  6. 北二高南下請於中和交流道下閘道→左轉中和中山路二段→中和中山路三段→板橋民族路→區運路迴轉→電信訓練所
  • 搭捷運、火車、高鐵（三鐵共構）後轉搭公車至訓練所

       搭捷運板南線於板橋站下車，搭火車、高鐵於板橋站下車→步行至捷運二號出口出站，於公車轉運站乘坐307號→往台北方向（下一站即是電信訓練所站），到電信訓練所站下車→步行至民族路168號到訓練所大門（約70公尺）。

  • 搭捷運、火車、高鐵（三鐵共構）後步行至訓練所

 搭捷運板南線於板橋站下車，搭火車、高鐵於板橋站下車→步行往新北市府地下通道→搭手扶梯上平面道路(約5分鍾) →過馬路到對面遠百後往新北市消防局方向走→路過天皇精緻料理→沿華南銀行，花旗銀行騎樓直走到民族路→.過馬路到中華電信板橋營運處 (民族路166號) →步行至民族路168號到訓練所大門（約70公尺）。

]]> http://www.hadoop.tw/2011/12/-hadoop-2.html http://www.hadoop.tw/2011/12/-hadoop-2.html CloudComputing HBase Hadoop MapReduce Fri, 02 Dec 2011 03:27:53 +0800 [JOB] Hadoop 工作機會 @ 台北內湖科學園區 Hadoop 工作機會 @ 台北內湖科學園區

 

  1. Hadoop Software Developer (Hadoop 軟體工程師)

 

Job Description:

  1. Hadoop 巨量資料處理平台產品及解決方案研發
  2. Solr/Lucene 巨量企業搜尋解決方案整合研發
  3. Hadoop/Solr/Lucene 雲端運算技術整合測試、效能調校. 
  4. 協助客戶進行Hadoop/Solr/Lucene等Open Source雲端運算技術導入及專案建置、系統整合

Job Requirement:

  1. 大學以上相關科系畢業
  2. 熟悉J2SE、JVM效能調校
  3. 熟悉Linux系統操作，至少熟悉一種Script Language (shell script, perl or python)
  4. 對Hadoop有經驗者為佳，CCDH (Cloudera Certified Developer for Apache Hadoop) 優先錄用
  5. 熱愛技術與open source，具備積極主動的學習態度

工作地點：台北內湖科學園區

履歷資料請寄 jameschen@systex.com.tw

 

2.      Big Data Business Development Manager / Sr. Sales Consultant

 

Job Description:

 

1.          Developing big data business strategies based on comprehensive analysis on the industry, competitors, market and business conditions, and proactively identifying and profiling target business opportunity

2.          Developing business models and solutions based on current product offering

3.          Screens potential business deals by analyzing market strategies, deal requirements, potential, and financials; contacting potential partners; evaluating options; resolving internal priorities; recommending equity investments.

4.          Supporting BU sales team from developing account plan to engaging and gaining commitment actively working with partner C Level

5.          Support to closes new business deals by coordinating requirements; developing and negotiating contracts; integrating contract requirements with business operations.

 

Job Requirement:

 

1.          5+ years working experiences in sales, product marketing & management and pre-sales functions in IT enterprise solution industry

2.          Familiar with those solutions as below is good plus

ü   Information retrieval / Knowledge management

ü   Content Management or Enterprise Search Application

ü   Document Management / Automation

ü   Business intelligence / Business Analytics

ü   Data Warehouse & Data Mining

3.          Good command of spoken and written English and Mandarin.

4.          Self-motivated, well-organized, team player and good interpersonal skills

5.          Experience engaging with senior executives.

6.          Good presentation skill is a must

7.          BA/BS required

8.          Willing to travel up to 25% in APAC region (South China, HK and South Asia)

 

工作地點：台北內湖科學園區

履歷資料請寄 eric_chen@systex.com.tw

 

 

[關於精誠Big Data事業]

 

精誠Big Data事業隸屬于精誠資訊(台灣第一大資訊服務廠商)策略性組織「雲中心」的一環，以發展Big Data Killer App為使命，採台北-北京雙基地並行發展。奠基於全球的Hadoop Ecosystem，與所有的Hadoop Distributions、Tools廠商友好，致力於巨量資料的End-to-End解決方案，直接面對行業客戶，直接解決特定的商業問題，凸顯團隊的專業價值。團隊中有亞洲少見的多年Hadoop實戰經驗成員，在商業Production環境中運行過數百到上萬個節點的服務叢集，並已有數位成員擁有Cloudera Certified Developer/Administrator for Apache Hadoop的專業認證。

 

我們積極參與世界性與大中華地區的開源社群活動，如最近即參與了「Hadoop World 2011」(紐約)全球年度盛會，以及「Hadoop中國2011雲計算大會」(北京)的議程報告 (http://hic2011.hadooper.cn/dct/page/65580)。

 

您對Hadoop有熱情嗎？歡迎加入精誠Big Data事業團隊，包準您學得快又多，成為業界翹楚，指日可待。

]]> http://www.hadoop.tw/2011/12/job-hadoop-2.html http://www.hadoop.tw/2011/12/job-hadoop-2.html Big Data Hadoop job 工作機會 MapReduce Fri, 02 Dec 2011 01:00:09 +0800 Invitation to Greenplum Hadoop hands on workshop
EMC2

活動日期 : 2011年11/29 & 11/30

...
 隨著各種雲端服務興起，暴增的非結構性資料使得企業資料中心對於運算能力及儲存空間的需求也隨之驚人成長。

目前最具代表性的儲存處理及資料庫平台非Hadoop和MapReduce莫屬。它是開源碼平台，發展脈絡和Linux類似，由具整合研發能力的企業開發整合套件，強化運算資源及儲存空間的使用效率，並提供可靠的維運服務，讓服務開發人員能有更便利的開發環境，提升現實世界中多采多姿的應用效益。Hadoop 與MapReduce技術的入門課程中，除了對Hadoop詳細解說之外，更著重於實作開發及實作練習，帶您進入雲端資料處理技術的未來趨勢！

誠摯地歡迎您立即前來體驗！

活動議程
2011年11月29日
09:00-09:30 來賓報到
09:30-10:15 Big Data 的策略分析技術- Greenplum UAP & Hadoop Background
10:15-10:30 中場休息
10:30-12:00 Big Data 的存放技術A Single File System- Hadoop Distributed File System (HDFS™)
12:00-13:30 午餐時間
13:30-14:30 Big Data 的處理架構- MapReduce
14:30-14:45 中場休息
14:45-17:00 實作練習- 1. EMC Hadoop Community 安裝及設定
2. Eclipse MapReduce Development Demo：Wordcount
　
2011年11月30日
09:00-09:30 來賓報到
09:30-10:15 Hadoop 的資料庫 Hbase 介紹
10:15-10:30 中場休息
10:30-12:00 Hadoop 的分散式資料倉儲 Hive 介紹
12:00-13:30 午餐時間
13:30-14:30 Big Data 的資料流語言以及執行環境 Pig 介紹
14:30-17:00 實作練習- Hive Exercise / Pig Exercise


主講人：李崴 EMC Greenplum 技術顧問

參加對象：資料分析/技術人員 (具備Linux、Java程式語言能力與網路基礎概念者佳。)
注意事項：請自備筆電 (3-4GB RAM和 至少20GB的可用空間) & VMplayer，以便進行安裝實作。

報名資訊
諮詢專線：(02) 2767-2818 分機16 吳小姐 PML2@pml.com.tw

活動地點：EMC Solution Center -台北市信義路五段7號57樓AB室（台北101）

注意事項：此為免費課程，座位有限，額滿為止。

*請參加學員攜帶個人名片以便報到程序，謝謝！
參加好禮
　
現場問券回覆好禮 精美實用小禮物
　
　 　 　 　 Facebook 　 Twitter 　 YouTube 　 Flickr 　 　 　 　
]]> http://www.hadoop.tw/2011/11/-invitation-to-greenplum-hadoo.html http://www.hadoop.tw/2011/11/-invitation-to-greenplum-hadoo.html Hadoop MapReduce Hadoop MapReduce Sat, 19 Nov 2011 06:23:56 +0800 第三屆台灣 Hadoop 使用者社群會議 (公佈議程初版並開放報名)

 

第三屆台灣 Hadoop 使用者社群會議 
Hadoop Taiwan User Group Meeting 2011

按這裡填寫報名資訊


   2010 年被譽為台灣雲端元年，2011 年我們看到雲端風潮開始在台灣各行各業持續發酵，其中大量資料分析技術（Big Data）更被 Gartner 視為 2012 關鍵 IT 策略技術之一。Hadoop 在大量資料分析技術中媒體曝光率最高的雲端技術，Hadoop 生態系專案經過四年的醞釀，近期 Hadoop 相關的新創公司如雨後春筍般快速冒出，相信對於已經在使用 Hadoop 的開發者們無疑是劑強心針。2010 年感謝國內 Hadoop 使用者社群的踴躍支持，克服交通不便的障礙，熱情地參與第二屆台灣 Hadoop 使用者社群會議，讓我們倍感榮幸。今年感謝有工研院服務業科技應用中心與產業經濟與趨勢研究中心委託我們進行 Hadoop 與雲端運算相關專案。秉持取之於自由軟體，用之於自由軟體的精神，我們今年依慣例將委託金額部份挪出來辦此次活動，希望可以藉此次活動能讓各位聽到更多台灣本土的 Hadoop 新奇應用、讓大家了解最近有哪些新的 Hadoop 技術或服務可以使用。

   由於資料庫應用在傳統資訊系統扮演非常重要的角色，加上 Hadoop MapReduce 已整合進微軟的 SQL Server ，連 Oracle 都有類似的整合計畫。因此今年無獨有偶，多數講者都在談論資料庫系統與 Hadoop 的整合。今年的講者群陣容相當堅強，分佈於產、學、研各界，包括：EMC Greenplum、中華電信研究所、東海大學高效能計算實驗室、逢甲大學地理資訊系統研究中心與國網中心雲端運算研究小組。希望透過此次會議，讓更多有興趣瞭解 Hadoop 的夥伴相互交流，進行凝聚出台灣區的 Hadoop 社群。

    本會議不收取任何報名費用，歡迎各界踴躍參加。礙於此次會議場地座位有限，請速上網報名（http://registrano.com/events/hadoop-tw-2011），額滿為止。


議程

09:00 ~ 09:30 報　　到 （Registration）
09:30 ~ 10:10 講 題：Hadoop大資料處理解決方案 - 資料處理流程應用服務
講 者：洪子翔，中華電信研究所 經營策略研究室 助理研究員
10:20 ~ 11:00

講 題：運用抓抓龍（Crawlzilla）製作個人化書籤搜尋引擎
講 者：王耀聰，國家高速網路與計算中心 副研究員
11:10 ~ 11:50 講 題：Greenplum 整合分析平台 － 以 Recruit Japan 經驗為例
Greenplum Unified Analytical Platform - Recruit Japan Case Study
講 者：Jimmy Chiu 邱垂吉，EMC Greenplum 技術顧問
12:00 ~ 13:00 午　　餐 （Lunch） / 大會供應餐盒
13:00 ~ 13:40 講 題：HBASE 於海量級資料之應用 - 以 SELENE 之多光譜感測器為例
講 者：辜文元，逢甲大學地理資訊系統研究中心
13:50 ~ 14:30 講 題：大資料寫入 HBase 案例探討 ─ 以警政監控案與轉動台灣案為例
講 者：黃至德，中華電信研究所寬頻網路技術研究室
14:40 ~ 15:20 講 題：雲端計算平台上醫療影像檔案存取系統
講 者：楊朝棟，東海大學資訊工程學系
15:30 ~ 16:10

講 題：Riak applied: case studies on distributed computing
講 者：Fyodor Yarochkin，台灣大學／阿碼科技（Armorize）
16:20 ~ 16:40 EMC Greenplum 實作展示(暫定)
]]> http://www.hadoop.tw/2011/11/hadoop-tw-2011.html http://www.hadoop.tw/2011/11/hadoop-tw-2011.html CloudComputing HBase Hadoop MapReduce Cloud Computing Greenplum Hadoop HBase Wed, 09 Nov 2011 22:15:51 +0800 第三屆台灣Hadoop使用者社群會議公開徵求講者
hadoop-tw.jpg


第三屆台灣 Hadoop 使用者社群會議
Hadoop Taiwan User Group Meeting 2011

首先，感謝 2010 年各位 Hadoop 使用者的熱情參與，不辭辛勞前往交通不甚便利的台中會場，讓第二屆台灣 Hadoop 使用者社群會議圓滿落幕。時序即將進入十一月，也該開始籌備第三屆台灣 Hadoop 使用者社群會議的議程。今年由於邀請國外講者並不順利，前後分別邀請了 KarmaSphere、SnapLogic 還有 HortonWorks，都沒能邀請成功。因此，今年想來嘗試新的模式，讓社群會議的議程整個交給社群來決定。倘若您有興趣分享您使用 Hadoop、Pig、Hive、HBase、Cassandra、Thrift、Nutch、Cascading、Oozie、Hadoop4Win、Crawlzilla 等專案的經驗或心得，歡迎於 2011 年 11 月 6 日前來信 jazz-mail.png，告知您希望分享的主題、講者姓名與單位名稱、希望排定的時間，或直接請至 Google Docs提交演講提案，謝謝！以下是目前的會議時間規劃、地點與議程時段規劃！目前地點暫定於新竹，倘若有社群夥伴願意贊助在台北的會議場地，亦請與我聯繫（以往通常都會有 120~150 人，若辦在台北，很可能會更多，原則上經費我向來估在 180 人）。

09:00 ~ 09:30 報　　到 （Registration）
09:30 ~ 10:10 講 題：
講 者：
10:20 ~ 11:00 講 題：
講 者：
11:10 ~ 11:50 講 題：
講 者：
11:50 ~ 13:00 午　　餐 （Lunch）
13:00 ~ 13:40 講 題：
講 者：
13:50 ~ 14:30 講 題：
講 者：
14:40 ~ 15:20 講 題：
講 者：
15:30 ~ 16:10 講 題：
講 者：
16:20 ~ 16:40 講 題：
講 者：
]]> http://www.hadoop.tw/2011/10/hadoop-tw-2011.html http://www.hadoop.tw/2011/10/hadoop-tw-2011.html CloudComputing HBase Hadoop Hadoop MapReduce Sun, 30 Oct 2011 17:17:53 +0800 [Job] Hadoop 工作機會 @ 台南
  • Job description:
    1. Study and implement cloud computing technologies and provide proposal for critical system availability improvement for hig volume data processing improvement.
    2. Collaborate with project teams to pilot and promote cloud computing technologies.
    3. Develop equipment automation related applications
    4. Support operation system maintenance
    • Job requirement:
      1. MS degree or above in computer science or related disciplines.
      2. At lease 2-year experience in the Hadoop/mapreduce, virtualization, grid computing or cloud computing.
      3. Ability to learn and apply new technologies quickly.
      4. Self motivated, good teamwork and problem solving skill.
      5. Experienced in data center management related fields is a plus.
      6. Fluent English communication skill is a plus (oral and written).
      7. On call for system trouble shooting is required
      8. Location is at Tainan

    ]]>     http://www.hadoop.tw/2011/09/job-hadoop-1.html http://www.hadoop.tw/2011/09/job-hadoop-1.html CloudComputing Hadoop MapReduce Thu, 29 Sep 2011 22:28:49 +0800     徵求抓抓龍應用實例 Request for Use Case of Crawlzilla


    任何自由軟體的發展，使用者社群的回饋對於開發者是重要的。
    這裡想對外徵求對於抓抓龍（crawlzilla）的應用實例。

    如果您將抓抓龍應用於您的組織內部（不管是校園、企業還是個人用戶），
    且願意跟大家分享這個軟體的使用經驗（覺得好的地方，以及覺得有待改善的地方），
    歡迎將這些應用案例分享給開發者。

    有意分享者，煩請將您的使用經驗郵寄至 crawlzilla-user@googlegroups.com
    謝謝～ 


    若您沒有聽過抓抓龍（crawlzilla），

    但有需求在自己的組織內部架設防火牆內的搜尋引擎，

    與專屬「限定搜尋範圍」的搜尋引擎。

    歡迎您至 http://crawlzilla.info 下載最新版本。


    Dear Crawlzilla Users,

    Your feedback are the most important motivation for developers to
    improve this software.
    So I'm here to request any use case of crawzilla in your organization.

    If you have been install and use crawlzilla in your organization,
    Please share with us via sending e-mail to crawlzilla-
    user@googlegroups.com

    Best Regards,
    Jazz Yao-Tsung Wang
    National Center for High-Performance Computing, Taiwan ]]>     http://www.hadoop.tw/2011/05/request-for-use-case-of-crawlzilla.html http://www.hadoop.tw/2011/05/request-for-use-case-of-crawlzilla.html Hadoop MapReduce Thu, 12 May 2011 23:12:27 +0800     2011雲端應用系統研討會（全程免費, 額滿截止, 請儘速上網報名）

    2011雲端應用系統研討會

    • 日期：2011年5月26日（四）
    • 地點：台北市和平東路二段106號二樓簡報室(科技大樓)
    • 指導單位：行政院國家科學委員會
    • 主辦單位：中華民國開放系統協會(COSA)
    • 協辦單位：國家高速網路與計算中心/中華民國軟體自由協會
    • 報名網址：http://www.cosa.org.tw/csttt/act_neo_class.php

    2011 Taiwan Cloud Application 研討會議程表

    09：30

    主席致詞

    09：40

    國家高速網路與計算中心 /潘怡倫

    Cloud WebOS - 專屬隨需計算資源之雲端線上作業系統

    10：20

    中華電信研究所 /羅嘉琳

    應用資訊安全檢測於雲端運算環境之方法與實作

    11：00

    休息10分鐘

    11：10

    國家高速網路與計算中心 /王耀聰

    DRBL-Hadoop - 資料探勘平台

    12：00

    午 餐

    13：30

    國家高速網路與計算中心 /陳威宇

    Crawlzilla - 叢集式搜尋引擎系統

    14：10

    交通大學/陳昌盛

    運用虛擬主機技術提升E-mail系統效能-以常見的前端過濾系統Amavisd改善為例

    14：50

    休息10分鐘

    15：00

    中華民國開放系統協會 /吳鴻煦

    Intelligent Bi-Direction SMS - Channel Push Approach

    15：40

    中華電信研究所 /董元昕

    一種以需求為基礎的雲端系統測試案例產生方法之研究

    16：30

    結束

     

    ]]>     http://www.hadoop.tw/2011/05/2011.html http://www.hadoop.tw/2011/05/2011.html CloudComputing Hadoop MapReduce Fri, 06 May 2011 17:00:24 +0800     釋出 hadoop4win 0.1.5 視窗安裝版 NSIS 來撰寫視窗安裝版。
    想嘗鮮的可以下載以下任一版本：（若需要 PROXY 設定者，建議使用完整版，以免下載檔案被擋）

    目前在 Windows XP 上測試無誤，但 Windows 7 因為舊版 cygwin 安裝檔有 ntdll.dll 的相容性問題，所以暫時無法支援（縱使使用 cmd.exe 執行，仍舊會遇到一些執行問題）。

    更多說明請參閱 Hadoop4Win 說明文件

    ]]>     http://www.hadoop.tw/2011/05/hadoop4win-015-release.html http://www.hadoop.tw/2011/05/hadoop4win-015-release.html HBase Hadoop MapReduce Wed, 04 May 2011 06:31:31 +0800     [OSDC.TW] Apache ZooKeeper: Taming Distributed Systems OSDC.TW 特別邀請到 Y! Research 的 Benjamin Reed 來台灣介紹 Apache ZooKeeper , ZooKeeper is a centralized service for maintaining configuration information, naming, providing distributed synchronization, and providing group services. 有興趣的人可以到這邊下載當天的投影片.]]> http://www.hadoop.tw/2011/03/osdctw-apache-zookeeper-taming.html http://www.hadoop.tw/2011/03/osdctw-apache-zookeeper-taming.html CloudComputing Hadoop Cloud Computing Hadoop ZooKeeper Wed, 30 Mar 2011 06:26:45 +0800 [活動] 第二屆台灣 Hadoop 使用者會議（最終版議程與交通資訊）

     

    第二屆台灣 Hadoop 使用者社群會議 
    Hadoop Taiwan User Group Meeting 2010

    按這裡填寫報名資訊

       繼格網運算之後，雲端運算被視為下一代資訊架構的主流。雲端運算平台 Hadoop 及雲端資料庫平台 HBase 與 Hive 均是目前諸多雲端運算服務的基礎架構。感謝去年國內 Hadoop 使用者社群的踴躍支持，第一屆台灣 Hadoop 使用者社群會議可以募集到如此多參與者，讓我們感到十分意外。今年感謝有業界朋友邀請我們針對 Hadoop 與 HBase 進行教育訓練課程。秉持取之於自由軟體，用之於自由軟體的精神，將委託金額部份挪出來辦此次活動，希望可以藉此次活動聽到更多台灣 Hadoop 使用者的新奇應用。目前已邀請了國內推動 Hadoop 教學、軟體開發、社群建立的幾位同好來進行知識分享，包括舊班底：台灣雅虎、台灣大學通訊與多媒體實驗室與國網中心雲端運算研究小組，亦邀請到來自成功大學 PhiCloud、逢甲大學地理資訊系統研究中心、東海大學高效能計算實驗室、高雄應用科技大學雲端技術與神經行銷學實驗室的中南部夥伴，還有趨勢科技的業界專家來跟大家分享 Hadoop 與 HBase 方面的研究成果。希望透過此次會議，讓更多有興趣瞭解 Hadoop 的夥伴相互交流，進行凝聚出台灣區的 Hadoop 社群。
        本會議不收取任何報名費用，歡迎各界踴躍參加。礙於此次會議場地座位有限，請速上網報名（http://registrano.com/events/hadoop-tw-2010），額滿為止。


    議程

    08:30 ~ 09:10 報　　到 （Registration）
    09:10 ~ 09:50 講 題：抓抓龍：輕鬆打造個人化搜尋引擎
    Crawlzilla : Build Search Engine by Yourself Easily
    講 者：陳威宇，國網中心軟體技術組
    09:50 ~ 10:30

    講 題：Hadoop 於 GIS 上之應用
    Developing GIS Applications using Hadoop
    講 者：辜文元，逢甲地理資訊中心
    10:30 ~ 10:40 中場休息 （Break）/ 大會供應茶點
    10:40 ~ 11:20 講 題：結合雲端分散儲存與 Nutch 搜尋引擎之影音網站
    Building Youtube-like portal based on Nutch and Distributed Storage
    講 者：東海大學高效能計算實驗室
    11:20 ~ 12:00 講 題：Large-scale multimedia data processing on Hadoop
    講 者：吳冠龍、謝良奇，台灣大學通訊與多媒體實驗室
    12:00 ~ 13:00 午　　餐 （Lunch） / 大會供應餐盒
    13:00 ~ 13:40 講 題：Toward to next-generation database/datastore
    講 者：蘇晏良，成功大學 PhiCloud
    13:40 ~ 14:20 講 題：HBase Security and coprocessors
    講 者：Gary Helmling / Andrew Purtell, HBase Contributor / Trend Micro USA
    14:20 ~ 14:30 中場休息 （Break）/ 大會供應茶點
    14:30 ~ 15:10 講 題：Oozie: Server-based Workflow Engine
    講 者：陳奕瑋，台灣雅虎
    15:10 ~ 15:50 講 題：Processing World Wide Domain Information
    講 者：Ray Liao and Jerry J Wu, Trend Micro, Taiwan
    15:50 ~ 16:30

    講 題：跨雲端平台的虛擬資料層架構設計與實例
    A Cloud-independent Architecture and Implementation of Virtual Data Layer
    講 者：趙國仁、葉蕙菱，高雄應用科技大學 雲端技術與神經行銷學實驗室

     

    交通資訊

    台灣高鐵：搭乘高鐵至高鐵台中站

    • 接駁一：在高鐵台中站六號出口搭乘高鐵快捷公車(高鐵台中站-東海大學-中科管理局 )至中科管理局站下車，再搭乘中科巡迴巴士(綠線/西屯線)至格網中心站(東大路科園路口)下車，步行五分鐘即可到達。
    • 接駁二： 在高鐵台中站六號出口搭乘中科巡迴巴士(橘線/高鐵線) 直達中科管理局站，再搭乘中科巡迴巴士(綠線/西屯線)至格網中心站(東大路科園路口)下車，步行五分鐘即可到達。
    • PS. Jazz 分享小撇步：若當天到東海大學站以後，車上有多位要到會場的夥伴，可以凹司機在科園路與東大路的交叉路口讓各位下車，直接步行往科園路，可以節省多轉一次的困擾。
    10-12-01_高鐵建議車次.png

    自行開車：

    北上方向
    路線一 [國道一號] 下中港交流道(往沙鹿方向)→銜接至中港路(車行約十分鐘)→右轉東大路(車行約五分鐘)→進入中科。
    路線二 [國道三號] 下龍井交流道(往台中方向) →銜接至中棲路(車行約五分鐘)→左轉東大路(車行約五分鐘)→進入中科。
    南下方向
    路線一 [國道一號] 下大雅交流道(往大雅方向)→銜接至中清路(車行約十分鐘)→左轉科雅路(車行約二分鐘)→進入中科。
    路線二 [國道三號] 下沙鹿交流道(往台中大雅方向)→銜接至中清路(車行約十分鐘)→右轉科雅路(車行約二分鐘)→進入中科。
    • PS. Jazz 小撇步：自行開車前往者，可於科園路迴轉，停於中興大學育成中心側邊的免費停車場。

    科園路與東大路口.png

    東大路與科園路交叉路口街景

    格網中心公車站牌.png

    東大路格網中心公車站牌街景

    ]]>     http://www.hadoop.tw/2010/12/hadoop-tw-2010-2.html http://www.hadoop.tw/2010/12/hadoop-tw-2010-2.html CloudComputing HBase Hadoop MapReduce Cloud Computing Hadoop HBase MapReduce Wed, 01 Dec 2010 05:09:28 +0800