返回主题:批处理作业的写法:连接、聚合与作业抽象

知识卡片

普通读书笔记卡 · 1786.b.5.b

随机排序支持并行抽样

理解等级:中级

书中固定数量抽样先给每条记录分配随机值,再选择随机值最小的N条。每个map任务先保留本地最小N条,最后从候选合并出全局最小N条,可避免把全部记录集中到单机。该思路仍须明确随机值的分布、并列处理及重试时的一致性;代码展示不等于本轮已验证了统计性质。

与[[部分聚合缩小全局瓶颈]]的联系:局部最小N候选合并支持随机排序抽样,缩小全局输入。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《大数据系统构建:可扩展实时数据系统构建原理与最佳实践》第7章《批处理层:示例》(来源项目book-sources;源文件:extracted/大数据系统构建:可扩展实时数据系统构建原理与最佳实践/_epub-src/OEBPS/Text/057.xhtml) - 结论依据:原文给出两步算法与Limit局部筛选、再全局合并的实现思路。 - 原始内容:找出随机数最小的N个元素。