《深入理解Hadoop（原书第2版）》——2.2MapReduce编程模型简介-低调大师

《深入理解Hadoop（原书第2版）》——2.2MapReduce编程模型简介

2017-05-01 608

本节书摘来自华章计算机《深入理解Hadoop（原书第2版）》一书中的第2章，第2.2节，作者 [美]萨米尔·瓦德卡（Sameer Wadkar），马杜·西德林埃（Madhu Siddalingaiah），杰森·文纳（Jason Venner），译于博，冯傲风，更多章节内容可以访问云栖社区“华章计算机”公众号查看。

2.2MapReduce编程模型简介

Hadoop系统支持MapReduce编程模型，这个编程模型由谷歌公司发明，该模型可以利用由大量商用服务器构成的大规模集群来解决处理千兆级数据量的问题。MapReduce模型有两个彼此独立的步骤，这两个步骤都是可以配置并需要用户在程序中自定义：

Map：数据初始读取和转换步骤，在这个步骤中，每个独立的输入数据记录都进行并行处理。
Reduce：一个数据整合或者加和的步骤。在这个步骤中，相关

微信关注我们

原文链接：https://yq.aliyun.com/articles/109102

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

Spark - A Fault-Tolerant Abstraction for In-Memory Cluster Computing

Resilient Distributed Datasets: A Fault-Tolerant Abstraction for In-Memory Cluster Computing 为什么需要Spark? 当前已经有比较多的compute framework 比如, Hadoop用于batch分析, 全量分析 Storm用于streaming分析但是这些场景, 数据都是只需要使用一次, 不需要反复使用, 对于数据需要被反复多次使用的场景, 现有的framework都无法很好的handle, 对于hadoop大量磁盘I/O, 对于storm会有大量的网络I/O Spark解决的核心问题, 怎样高效的data reuse? 主要针对两个场景, iterative算法, 很多机器学习和图的算法都需要迭代的, 比如K-means, PageRank interactive数据挖掘和分析Data reuse is common in manyiterative machine learningand graph algorithms, including PageRank, K-mean...

2017-05-02

493

HBase HFile与Prefix Compression内部实现全解--KeyValue格式

HFile (HBaseFile)是HBase使用的一种文件存储格式的抽象，目前存在两种版本的HFile: HFile V1和HFile V2HBase 0.92之前的版本仅支持HFile V1,HBase 0.92/0.94同时支持HFile V1和HFile V2。本文将说明KeyValue到底是什么以及当KeyValue越来越多时出现大量类似的数据有哪些算法能减少重复?首先来看一个例子:假设需要将用户的基本信息以及正在参与的开源项目的有关信息存入HBase: Java代码用户基本信息参与的开源项目 ——————— —————————- 用户Id 职业性别 tomcat hbase ——————— —————————- zhh2009 码农男提patch打酱油提patch打酱油用户Id 职业性别 tomcat ant ——————— —————————- jdd1999 码神男创始人创始人 ——————————————————— 表1.1 用户Id 职业性别 tomcat hbase zhh2009 码农男提patch打酱油提patch打酱油用户Id...

2017-05-02

541

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Oracle

Oracle Database，又名Oracle RDBMS，或简称Oracle。是甲骨文公司的一款关系数据库管理系统。它是在数据库领域一直处于领先地位的产品。可以说Oracle数据库系统是目前世界上流行的关系数据库管理系统，系统可移植性好、使用方便、功能强，适用于各类大、中、小、微机环境。它是一种高效率、可靠性好的、适应高吞吐量的数据库方案。

Eclipse

Eclipse 是一个开放源代码的、基于Java的可扩展开发平台。就其本身而言，它只是一个框架和一组服务，用于通过插件组件构建开发环境。幸运的是，Eclipse 附带了一个标准的插件集，包括Java开发工具（Java Development Kit，JDK）。

JDK

JDK是 Java 语言的软件开发工具包，主要用于移动设备、嵌入式设备上的java应用程序。JDK是整个java开发的核心，它包含了JAVA的运行环境（JVM+Java系统类库）和JAVA工具。