MapReduce研究现状null暨南大学并行计算实验室MapReduce研究现状
暨南大学并行计算实验室MapReduce研究现状
专 业:计算机软件与理论
姓 名:周敏 丁光华
指导教师:周继鹏 教授摘要摘要MapReduce研究
调试、监控等
优化、扩展等
常用API
Hadoop改造
数据挖掘项目Redpoll
Canopy, k-means
Naive bayes, SVM调试调试标准输出,标准出错
Web显示(50030, 50060, 50070)
NameNode,JobTracker, DataNode, TaskT...
null暨南大学并行计算实验室MapReduce研究现状
暨南大学并行计算实验室MapReduce研究现状
专 业:计算机软件与理论
姓 名:周敏 丁光华
指导教师:周继鹏 教授摘要摘要MapReduce研究
调试、监控等
优化、扩展等
常用API
Hadoop改造
数据挖掘项目Redpoll
Canopy, k-means
Naive bayes, SVM调试调试
输出,标准出错
Web显示(50030, 50060, 50070)
NameNode,JobTracker, DataNode, TaskTracker日志
本地重现: Local Runner
DistributedCache中放入调试代码
ProfilingProfiling
目的:查性能瓶颈,内存泄漏,线程死锁等
工具: jmap, jstat, hprof,jconsole, jprofiler mat,jstack
对JobTracker的Profile
对各slave节点TaskTracker的Profile
对各slave节点某Child进程的Profile(可能存在单点执行速度过慢)
监控监控目的:监控集群或单个节点I/O, 内存及CPU
工具: Ganglia
调优点(1)调优点(1)I/O
io.sort.mb
io.sort.percent
io.sort.record.percent
io.sort.spill.percent
Shuffle
tasktracker.http.threads
mapred.reduce.parallel.copies
mapred.job.shuffle.input.buffer.percent
…调优点(2)调优点(2)数据压缩
推测性执行(同时执行同一Task,杀死运行慢的)
同一节点的Child重用jvm
重写Partitioner,使分布到各Reducer的数据均匀
设置堆空间大小常用API常用APIMapper, Reducer
Writable, ComparableWritable
InputFormat, OutputFormat
Partitioner
Comparator
DistributedCache
Streaming(bash/python)
Hadoop改造Hadoop改造JobTracker与作业调度耦合性太强
JobHistory应独立为一个jvm进程,逻辑不应与JobTracker耦合太强
在HDFS之上整合MPI,统一作业调度
Shuffle过程只需一次I/O
单块磁盘失效导致整个节点失效问题(改DFSClient)
Hadoop改造Hadoop改造文件系统兼容posix
使Map的key输出不排序,只分区
NameNode单点故障问题
RPC支持大数据(如文件)传输
集群资源分配
权限管理
大规模数据挖掘:Redpoll大规模数据挖掘:Redpoll文本数据挖掘
分布式分词
分布式向量空间模型
距离度量
语料
搜狗新闻
20 news group
wikipedia
朴素贝叶斯分类前提:假定一个属性值对分类的影响独立于其他属性的值。(类条件独立)
朴素贝叶斯分类工作过程
每个数据样本用一个n维特征向量 表示,分别描述对n个属性 样本的n个度量
假设有m个类 。给定一个未知的数据样本X,分类法将预测具有最高后验概率(条件X下)的类。即是找最大化的 。根据贝叶斯定理有
朴素贝叶斯分类朴素贝叶斯分类(续)P(X)对所有类为常数,最大化 ,对 的考虑分析:等概率,或
类条件独立的朴素假定: ,
(k = 1,2,n)可以由训练样本估值
是分类属性,则根据样本估值
是连续值属性,则通常假定其服从高斯分布,因而
朴素贝叶斯分类(续)CanopyCanopy大容量,高维数据集聚类
使用两步聚类
不同的距离度量
节省计算时间
适用范围较广
K-means
EM
GAC
大规模支持向量机大规模支持向量机解的稀疏性及问题的凸性
将大规模的原问题分解成小规模的子问题,迭代求解子问题,直到收敛至原问题的解.
选块算法
分解算法
序列最小最优化法(sequential minimal optimization, SMO)
并行实现 并行实现Thinking in MapReduceThinking in MapReduceBADAACBCBCDGroupCo-groupFunctionStream Flow FilterFilterAggregate null谢谢!
本文档为【MapReduce研究现状】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑,
图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。