基于多核CPU的任務(wù)級數(shù)據(jù)處理研究及其在集群平臺下的性能測試.pdf_第1頁
已閱讀1頁，還剩60頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

1、隨著計算機網(wǎng)絡(luò)和信息化技術(shù)的發(fā)展，人們每天要處理的信息正在以驚人的速度增加，尤其是像Google這樣的提供全球網(wǎng)頁分析和處理的互聯(lián)網(wǎng)公司，它每天要通過GoogleMapReduce對數(shù)以P級的網(wǎng)頁，音頻和視頻進行處理。Google在數(shù)據(jù)處理方面的成功促使Apache社區(qū)開發(fā)了開源版的HadoopMapReduce。開源版本用Java語言實現(xiàn)，它用HDFS將集群的主要實體NameNode,SecondName-Node和DataNode連

2、接起來，NameNode是集群的管理者，它上面運行JobTracker主控程序;SecondNameNode是NameNode的backup服務(wù)器；DataNode是hadoop集群中用TaskTracker真正處理數(shù)據(jù)的計算機，當DataNode是多核計算機，且分配的數(shù)據(jù)量小于是64M時，DataNode的多核優(yōu)勢將不復存在，它只能利用其中一個核心的計算機，其它核心則處idle狀態(tài)。為了處理這種狀況，本文提出了一種任務(wù)級MapRedu

3、ce模型，用它來代替?zhèn)鹘y(tǒng)的線程級MapReduce。
　　本文在分析了Hadoop運行機制以及制約因素的基礎(chǔ)上，搭建了Hadoop集群運算平臺，并對集群容易出現(xiàn)的故障給出了相應(yīng)的解決方案。詳細分析了線程級MapReduce的運作機制，然后在集群上通過對比實驗提出了線程級MapReduce在處理小塊數(shù)據(jù)時的局限性。
　　本文將intel用c++語言開發(fā)的TBB并行庫與HadoopMapReduce結(jié)合起來形成了任務(wù)級的MapR

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論