MapReduce模型在Hadoop中的性能優(yōu)化應(yīng)用研究.pdf_第1頁
已閱讀1頁，還剩61頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、互聯(lián)網(wǎng)的快速發(fā)展推動著數(shù)據(jù)信息呈現(xiàn)著幾何式增長，數(shù)據(jù)占用空間從 GB發(fā)展到 TB甚至PB，飛速增長的數(shù)據(jù)規(guī)模標(biāo)識著人類進(jìn)入了大數(shù)據(jù)時代，大數(shù)據(jù)給人類帶來的沖擊不容小覷，用戶從爆炸式數(shù)據(jù)中挖掘出有效信息的效率反而降低，此時，通過對用戶數(shù)據(jù)進(jìn)行相似度計算能夠在一定程度上解決信息超載問題，從而提取出相對熱門并有用的數(shù)據(jù)信息。
　　Hadoop是當(dāng)前應(yīng)用最為廣泛的云計算開源平臺，MapReduce并行編程模型是云計算的關(guān)鍵技術(shù)之一。但在實

2、際運用過程中，MapReduce模型計算過程中存在臨時數(shù)據(jù)量大，Reduce任務(wù)分配不均會導(dǎo)致系統(tǒng)資源率低等問題。
　　本文針對 MapReduce模型的應(yīng)用，給出了一種利用 MapReduce編程模型的分布式計算能力來實現(xiàn)海量數(shù)據(jù)的相似度計算方法，從 I/O操作和負(fù)載均衡策略兩個方面改進(jìn)了MapReduce編程模型。通過在Map階段后使用Stripe算法和SStripe算法完成對中間結(jié)果的本地聚集工作，以有效地緩解大量 I/O操

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論