- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
kmeans聚类算法的MapReduce并行化实现
2012-07k-1-m3#e#a#n#s############2012M-0a7p-R1e3d#u#c#e##2#0#1#2-07-13########
江小平1 李成华1 向
文2
张新访2 颜海涛3
(1 中 南 民 族 大 学 电 子 信 息 工 程 学 院 ,湖 北 武 汉 430074;2 华中科技大学计 算 机 科 学与技术
学 院 ,湖 北 武 汉 430074;3 中国 移动通信集团湖北有限公 司 业 务 支撑中心 ,湖 北 武 汉 430040)
摘要 针对k-means聚类算法特点,给出了 MapReduce编程模型实现k-means聚类算法的方法,Map 函数完
成每个记录到聚类中心距离的计算并重新标记其属于的新聚类类别,Reduce函数根据 Map 函数得到的中间 结果计算出新的聚类中心,供下一轮 MapReduceJob使用.实验结果表明:k-means算法 MapReduce并行化后 部署在 Hadoop集群上运行,具有较好的加速比和良好的扩展性.
关键词 云计算;并行计算;MapReduce模型;数据挖掘;k-means聚类算法
中图分类号
文献标志码
文章编号
1671-4512(2011)S1-0120-05
TP301
A
Parallelimplementingk-meansclusteringalgorithm
using MapReduceprogrammingmode
JiangXiaoping1 LiChenghua1 Xiang Wen2 ZhangXinfang2
Yan Haitao3
(1CollegeofElectronicsandInformationEngineering,South-CentralUniversityforNationalities,Wuhan
430074,China;2SchoolofComputerScienceandTechnology,HuazhongUniversityofScienceandTechnology,
Wuhan430074,China;3BusinessSupportCenter,China MobileGroup HubeiCo.Ltd.,Wuhan430040,China)
Abstract Howtoimplementthek-meansclusteringalgorithm using MapReduceprogramming mode
wasstudied.ThedistancebetweeneachpointandeachclusterwascalculatedandnewcenterID was assignedtoeachpointinthe Mapfunction.Allthepointsofthesamekeyvalue (currentclusterID) weresenttoasinglereducerandgetthenewclustercentroidsforthenextMapReduceJob.Theex- perimentsontheHadoopplatformshownsbasicallylinearspeedupwithanincreasingnumberofnode computersandgoodscalability.
Keywords cloudcomputing;parallelcomputing;MapReduceprogramming mode;data mining;k-
meansclusteringalgorithm
随着 信 息 技 术 的 进步以及信息化社会的发
展,聚类计算任务所面临的数据规模越来越大,k- means算法是一种 常 用 的 数 据 挖 掘 算 法,其 串 行 计算方法的时间复杂度比较高,处理能力存在局 限 性.传 统 高 性 能 计 算 中 的 并 行 编 程 模 型 (如 PThread,MPI和 OpenMP 等)抽象度不高,开发 人员 需要熟悉 底层的配置和并行 实 现 细 节. MapReduce模型[1]是 Google 实 验 室 提 出 的 分 布 式并行编程模型或框架,它能组织集群来处理大
规模数据集,成为云计算平台主流的并行数据处
理 模 型.Apache 开 源 社 区 的 Hadoop 项 目[2] 用 java语言 实 现 了 该 模 型,同 时 Hadoop 项 目 还 设 计了开放源代码的云计算技术平台.云计算技术 国内已有研究[3-4],文献[5]则对在多核集 群 上 以 MapReduce的方式实现机器学 习算法进行了研 究.本文在基 于 Hadoop 技 术 的 云
文档评论(0)