处理海量数据的模式MapReduce,大规模数据集的并行运算

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了处理海量数据的模式MapReduce,大规模数据集的并行运算相关的知识,希望对你有一定的参考价值。

MapReduce是一种处理海量数据的并行编程模式,用于大规模数据集(通常大于1TB)的并行运算。

“Map(映射)”、“Reduce(化简)”的概念和主要思想,都是从函数式编程语言和矢量编程语言借鉴。

适合非结构化和结构化的海量数据的搜索、挖掘、分析与机器智能学习等。


MapReduce计算模型


分布式计算的瓶颈是网络带宽。“本地计算”是最有效的一种节约网络带宽的手段。


MapReduce的特点


1、输入的键值是不固定的,由分析人员选择

2、对于非结构化和半结构化数据,非常有效

3、适合于大规模数据的一次写入,多次查询

4、MapReduce其核心就是高速、流式读写操作


无共享


无共享结构让MapReduce程序员无需考虑系统的部分失效问题;

因为自身的系统实现,能够检测到失败的map或reduce任务;

并让正常的机器重新执行这些失败的任务;

因为各个任务之间彼此独立;

任务的执行顺序是无关紧要的;


MapReduce计算流程


技术分享


MapReduce运行模型


Map函数——对一部分原始数据进行指定的操作。每个Map操作都针对不同的原始数据,因此Map与Map之间是互相独立的,这使得它们可以充分并行化。

Reduce操作——对每个Map所产生的一部分中间结果进行合并操作,每个Reduce所处理的Map中间结果是互不交叉的,所有Reduce产生的最终结果经过简单连接就形成了完整的结果集

技术分享


数据分布存储,带来计算上的并行化:

技术分享


MapReduce操作执行流程图

技术分享


本文出自 “中科院计算所培训” 博客,谢绝转载!

以上是关于处理海量数据的模式MapReduce,大规模数据集的并行运算的主要内容,如果未能解决你的问题,请参考以下文章

一文读懂MapReduce 附流量解析实例

Hadoop MapReduce计算框架

大数据学习之八——MapReduce工作机制

一文即懂MapReduce

0007 - MapReduce入门指南

Google大数据处理系统介绍之MapReduce浅析