zpwiki/pages/students/2019/david_stromp

title	published	taxonomy
Dávid Stromp	true	category tag author bp2022 ir cassandra nlp cluster Daniel Hladek

Rok začiatku štúdia: 2019

Bakalárska práca 2022

Návrh na zadanie:

1. Vypracujte prehľad distribuovaných databáz alebo súborových systémov vhodných pre uloženie veľkého množstva textu.
2. Vyberte vhodný spôsob uloženia veľkého množstva webových stránok.
3. Nasaďte vybrané distribuované úložisko na testovací klaster pomocou systému Kubernetes.
4. Vykonajte sadu testov pre overenia priepustnosti operácií zápisov a čítania.
5. Identifikujte slabé miesta distribuovaného úložiska a navrhnite zlepšenia.

Cieľ práce:

• Zlepšiť proces získavania informácií
• Implementovať algoritmus paralelného spracovania dokumentov v databáze Cassandra.
• Implementovať algoritmus Page Rank alebo algoritmus jazykového modelu dokumentu.

Bakalársky projekt 2021

Ciele:

• Vytvoriť nasadenie distribuovanej databázy na testovaci K8S klaster.
• Implementovať algoritmus pre zoradenie (ranking) dokumentov v takejto databáze.

Stretnutie 24.9.

Úlohy:

• Napíšte osnovu bakalárskej práce a pridajte do nej relevantné text čo máte.
• Pripravte Casasndra operator - na začiatok na Vašom počítači. (napr. microk8s, minikube).
• Dohodntite sa s Ing. Harahusom a získajte prístup ku RaspberryPi klastru.
• Naučte sa vkladať dáta do Cassandry a písať dotazy.

Zásobník úloh:

• Rozbehať crawler Websucker s Cassandrou.
• Implementovať PageRank.
• Napísať skript na indexovanie pomocou ElasticSearch.

Stretnutie 10.9.

Úlohy:

• Nainštalovať databázu Cassandra - Využite Docker.
• Vyberte si CQL tutoriál a napíšte krátky záznam čo ste sa naučili.
• Nájdite blogy o spracovaní veľkých dát pomocou Cassandry a napíšte krátky záznam o tom čo ste sa dozveldeli.
• Naštudujte si článok http://ilpubs.stanford.edu:8090/422/ (Brin and Page). Zistite ako súvisí implementácia algorimtu PageRank s Cassandrou. Napíšte to do záznamu.