原创力文档- 1、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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
软件工程基础 Hadoop生态系统（英文）
What is Shuffle/Merge phase? Hadoop merges(shuffles) output of the MAP stage into: key, valulue1, value2, value3 Examples URL, 1 ,1 ,1 ,1 ,1 1 STOCK, Price On day 1, Price On day 2,…... * * What is Reduce? Reduce entries produces by Hadoop merging processing into key, value pair Examples Map URL, 1,1,1 into URL, 3 Map Stock, 3,2,10 into Stock, 10 * * Example uses: distributed grep ? distributed sort ? web link-graph reversal term-vector / host web access log stats inverted index construction document clustering machine learning statistical machine translation ... ... ... Widely Applicable MapReduce Programs in Google Source Tree * * 100s/1000s of 2-CPU x86 machines, 2-4 GB of memory Limited bisection bandwidth Storage is on local IDE disks GFS: distributed file system manages data (SOSP03) Job scheduling system: jobs made up of tasks, scheduler assigns tasks to machines Implementation is a C++ library linked into user programs Implementation Overview * * Implementation Overview Job tracker Task tracker Task tracker Task tracker Master Node Slave node 1 Slave node 2 Slave node N Workers user Workers Workers * * How It Works? * * Data Flow Input, final output are stored on HDFS Scheduler tries to schedule map tasks “close” to physical storage location of input data Intermediate results are stored on local FS of map and reduce workers Output is often input to another map reduce task * * Example: Facebook的Hadoop集群 产品集群 4800个内核，600个机器，每个机器16GB—2009年4月 8000个内核，1000个机器，每个机器32GB—2009年7月 每个机器拥有4个1TB大小的SATA硬盘 两层网络结构，每个Rack有40个机器 整个集群大小为2PB，未来还会不断增加 测试集群 800 个内核, 每个16GB * A Distributed File System Single-Node Architecture Memory Disk CPU Machine Learning, Statistics “Classical” Data Mining * Commodity Clusters Web data sets can be very large Tens to hundreds of TB Cannot mine on a single server Standard architecture emerging: Cluster of commodity Linux nodes Gigabit Ethernet interconnect How to organize computations on this archi
文档评论（0）