网格化MRRF距离矩阵并行生物进化树算法.pdfVIP

西南师范大学学报(自然科学版) 2016 年 2 月 第 41 卷第 2 期 Vo l. 41 No. 2 lournal of Southwest China Norrnal University (Natural Science Edition) Feb. 2016 DOI:10. 13718/j. cnki. xsxb. 2016. 02. 016 网格化 MRRF 距离矩阵并行生物进化树算法① 赵凯2 李春青l ， 梁婷婷1 ， 李海生1 ， 1.广西民族师范学院，广西崇左 532200; 2. 平顶山学院，河南平顶山 467000 摘要:针对传统生物进化树执行效率不高的问题，提出→种网格化 MapReduce-Ro binson- Foulds ( MRRF)距离矩阵 并行生物进化树算法.首先，基于 HashRF 算法基本思想，设计实现了生物进化树 MapReduce 模型的网格化构建， 以及网格参数计算;其次，利用两阶段 MapReduce 过程分别获得 Robinson-Foulds 距离子矩阵和联合后的距离总矩 阵，实现了进化树在 MapReduce 架构下的 Robinson- Fou lds 矩阵表示.最后，通过与 Hash 和 HashRF 算法进行对 比，显示 MRRF 算法在运行时间和算法加速比上均要优于对比算法，并通过仿真对网格计算节点在不同核心数情 况下对算法的影响进行了实验研究. 关键词: Robi阳I 申图分类号: TP393 文献标志码:A 文章编号: 川1 O∞O∞O 一 5471(2016)02 - 0085 - 盯0 7 MapReduce 是当前较流行的一种并行计算框架，他是 Hadoop 架构下的一种编程模式，适用并行计 算，因而被广泛用于大数据处理，如分布式排序和查找，谷歌网页索引，大型公司如亚马逊、雅虎和 face­ book 等的数据处理[1-2J 目前，有学者基于生物学信息结合 MapReduce 开发并行应用程序来处理大数据的基因组数据集.如文 献[3J提出 MapReduce 应用序列方法等. Robinson-Foulds 距离矩阵常用来评价系统发生树间的差异，如文 献[4-5J实现进化树(以下简称 tree) 的可视化、文献【6-7J实现进化树的聚类等. 但上述方法均未考虑并行化问题，在大数据集上效率不高，本文主要基于 Robinson- F oulds 距离矩阵， 建立多核高效 MapReduc巳并行执行算法(The grid MapReduce-Robinson-Foulds distance matrix based par- allel evolutionary trees algorithm ，简称 MRRF 算法). 1 问题描述 1. 1 岛1apReduce MapReduce 核心是两个功能函数以J: Map() 和 Reduce(). Map() 功能函数作用是产生一系列中间 key/value 组合，形如(key. value); 而 Reduce( )函数作用是对接收到的(key. value) 进行合并操作，形式 上进行简化. Map() 和 Red山e() 操作由程序员进行串联编程，而底层的 MapReduce 框架则关注的是如何 在多核系统中调度上述任务.下面给出一个简单的关于字数 MapReduce 计算方法，如图 1 所示. 图 1 给出 MapReduce 编程模式下如何对文件中的字数进行统计的过程，每个 Map() 函数接收一行的 输入，并对接收数据进行分解，得到每个宇.所有 Map() 函数都会输出一个(key. value). 形如图 I 中的 ① 收稿日期: 2014-12-21 基金项目 2011 年度广西高校科学技术研究项目 (YB2014417); 2014 年度河南省科技计划项目(H210221022ö). 作者简介:李春青(]983 →)，女，广西南宁人.硕士研