hadoop 分布式 系统 存储 数据库 云计算 (7)
hadoop 分布式 系统 存储 数据库 云计算
Whirlwind tour of Hadoop
Inspired by Google's GFS
Clusters from 1-10000 systemsBatch Processing High Throughput Partition-able problems Fault Tolerance in storage Fault Tolerance in processing
hadoop 分布式 系统 存储 数据库 云计算
HDFS
Distributed File System (HDFS)
Centralized “INODE” store NameNodeDataNodes provide storage 1-10000 Replication set Per File Block Size normally large 128 MB Optimized for throughput
hadoop 分布式 系统 存储 数据库 云计算
Map Reduce
Jobs are typically long running
Move processing not dataAlgorithm uses map() and optionally reduce() Source Input is split Splits processed simultaneously Failed Tasks are retried
hadoop 分布式 系统 存储 数据库 云计算
Things you do not have
Locking
BlockingMutexes wait/notify POSIX file semantics
hadoop 分布式 系统 存储 数据库 云计算
Problem: Large Scale Log Processing
Challenges
Large volumes of DataStore it indefinitely Process large data sets on multiple systems Data and Indexes for short periods (one week) do NOT fit in main memory
hadoop 分布式 系统 存储 数据库 云计算
Log Format
hadoop 分布式 系统 存储 数据库 云计算
Getting Files into HDFS
hadoop 分布式 系统 存储 数据库 云计算
Hadoop Shell
Hadoop has a shell ls, put, get, cat..
hadoop 分布式 系统 存储 数据库 云计算
Sample Program Group and Count
Source data looks like
jan 10 2009:.........:200:/index.htm jan 10 2009:.........:200:/index.htm jan 10 2009:.........:200:/igloo.htm jan 10 2009:.........:200:/ed.htm
hadoop 分布式 系统 存储 数据库 云计算
In case your a Math 'type'
(input) <k1, v1> → map -> <k2, v2> -> combine -> <k2, v2> -> reduce -> <k3, v3> (output)
Map(k1,v1) -> list(k2,v2) Reduce(k2, list (v2)) -> list(v3)
hadoop 分布式 系统 存储 数据库 云计算
Calculate Splits
Input does not have to be a file to be “splittable”
hadoop 分布式 系统 存储 数据库 云计算
Splits → Mappers
Mappers run the map() process on each split
hadoop 分布式 系统 存储 数据库 云计算
Mapper runs map function
For each row/line (in this case)
hadoop 分布式 系统 存储 数据库 云计算
Shuffle sort, NOT the hottest new dance move
Data Shuffled to reducer on key.hash()
Data sorted by key per reducer.
hadoop 分布式 系统 存储 数据库 云计算
Reduce
One Reducer gets data that looks like
”index.htm”,<1,1> “ed,htm”,<1> //igloo.htm went to another reducer
hadoop 分布式 系统 存储 数据库 云计算
Reduce Phase
…… 此处隐藏:180字,全部文档内容请下载后查看。喜欢就下载吧 ……相关推荐:
- [小学教育]四年级综合实践活动课《衣物的洗涤》教
- [小学教育]2014半年工作总结怎么写
- [小学教育]20世纪外国文学专题综合试题及答案
- [小学教育]TS_1循环使用催化丙烯环氧化反应研究
- [小学教育]最实用的考勤签到表(上下班签到表)
- [小学教育]气候与生态建筑——以新疆民居为例
- [小学教育]二人以上股东有限责任公司章程参考样本
- [小学教育]2014届第一轮复习资料4.1,3美好生活的
- [小学教育]土方开挖、降水方案
- [小学教育]手绘儿童绘本《秋天的图画》(蜡笔)
- [小学教育]2002级硕士研究生卫生统计学考试试题
- [小学教育]环保装备重点发展目录
- [小学教育]金蝶K3合并报表培训教材
- [小学教育]岩浆岩试题及参考答案
- [小学教育]知之深爱之切学习心得
- [小学教育]第十二章 蛋白质的生物合成
- [小学教育]Chapter 2-3 Solid structure and basi
- [小学教育]市政道路雨季专项施工方案
- [小学教育]中国海洋大学2012-2013学年第二学期天
- [小学教育]教育心理学第3章-学习迁移
- 浅谈深化国企改革中加强党管企业
- 2006年中国病理生理学会学术活动安排
- 设计投标工作大纲
- 基于ARP的网络攻击与防御
- 2016届湖北省七市(州)教科研协作体高三
- Google_学术搜索及其检索技巧
- 2019-2020学年七年级地理下册6.3美洲教
- 城市道路可研报告
- 【名师指津】2012高考英语 写作基础技
- 6级知识点培训北京师范大学《幼儿智趣
- 注册会计师会计知识点:金融资产
- 新安装 500 kV 变压器介损分析与判断
- PS2模拟器PCSX2设置及使用教程.
- 医院药事管理与药剂科管理组织机构
- {PPT背景素材}丹巴的醉人美景,免费,一
- NAS网络存储应用解决方案
- 青海省西宁市六年级上学期数学期末考试
- 测量管理体系手册依据ISO10012:2003
- 洞子小学培养骨干教师工作计划
- 浅谈《牛津初中英语》的教材特点及教学




