基于多核CPU的任務(wù)級數(shù)據(jù)處理研究及其在集群平臺下的性能測試.pdf

1、隨著計(jì)算機(jī)網(wǎng)絡(luò)和信息化技術(shù)的發(fā)展，人們每天要處理的信息正在以驚人的速度增加，尤其是像Google這樣的提供全球網(wǎng)頁分析和處理的互聯(lián)網(wǎng)公司，它每天要通過GoogleMapReduce對數(shù)以P級的網(wǎng)頁，音頻和視頻進(jìn)行處理。Google在數(shù)據(jù)處理方面的成功促使Apache社區(qū)開發(fā)了開源版的HadoopMapReduce。開源版本用Java語言實(shí)現(xiàn)，它用HDFS將集群的主要實(shí)體NameNode,SecondName-Node和DataNode連

2、接起來，NameNode是集群的管理者，它上面運(yùn)行JobTracker主控程序;SecondNameNode是NameNode的backup服務(wù)器；DataNode是hadoop集群中用TaskTracker真正處理數(shù)據(jù)的計(jì)算機(jī)，當(dāng)DataNode是多核計(jì)算機(jī)，且分配的數(shù)據(jù)量小于是64M時(shí)，DataNode的多核優(yōu)勢將不復(fù)存在，它只能利用其中一個(gè)核心的計(jì)算機(jī)，其它核心則處idle狀態(tài)。為了處理這種狀況，本文提出了一種任務(wù)級MapRedu

3、ce模型，用它來代替?zhèn)鹘y(tǒng)的線程級MapReduce。
　　本文在分析了Hadoop運(yùn)行機(jī)制以及制約因素的基礎(chǔ)上，搭建了Hadoop集群運(yùn)算平臺，并對集群容易出現(xiàn)的故障給出了相應(yīng)的解決方案。詳細(xì)分析了線程級MapReduce的運(yùn)作機(jī)制，然后在集群上通過對比實(shí)驗(yàn)提出了線程級MapReduce在處理小塊數(shù)據(jù)時(shí)的局限性。
　　本文將intel用c++語言開發(fā)的TBB并行庫與HadoopMapReduce結(jié)合起來形成了任務(wù)級的MapR