Mapreduce

hx x

hx x

Unknown

0 0
  • 0 Collaborators

Mapreduce框架实现,WordCount是分布式计算的入门问题,但也是最基本和经典的问题. 问题是让你统计一个超级大的文件(可能上T级别), 里面的每个字符串各出现了多少次. ...learn more

Project status: Published/In Market

oneAPI, HPC

Intel Technologies
DevCloud, oneAPI

Overview / Usage

MapReduce是一种编程模型,用于大规模数据集(大于1TB)的并行运算。概念"Map(映射)"和"Reduce(归约)",是它们的主要思想,都是从函数式编程语言里借来的,还有从矢量编程语言里借来的特性。它极大地方便了编程人员在不会分布式并行编程的情况下,将自己的程序运行在分布式系统上。 当前的软件实现是指定一个Map(映射)函数,用来把一组键值对映射成一组新的键值对,指定并发的Reduce(归约)函数,用来保证所有映射的键值对中的每一个共享相同的键组。

第一部分是mapreduce框架本身的代码实现,这部分是要点。

第二部分是mapreduce的应用代码,框架的目的就是为了更好的服务与应用,所以提供应用代码是不可或缺的

第三部分是mapreduce的测试代码,这部分可以直接使用脚本语言进行实现,这样更为简单,还可以编写专门用于测试的插件以及mapreduce的串行化实现来进行搭配。由于并行带来的偶然性很高,所以严格的测试是必不可缺的。

Methodology / Approach

项目中参考为论文 《MapReduce: Simplified Data Processing on Large Clusters》,简化了其中的部分及机制,实现了一个简单可用的MapReduce框架。

Technologies Used

go

利用goroutine和chan的简单搭配可以在同样工作量的情况下得到更高的并行性能。

Comments (0)