知识卡片
MapReduce并行拆算汇总
Map阶段处理分配到节点的输入,Reduce对中间结果按任务规则汇总,框架跟踪执行并处理需要重试的工作。它适合可分解的大规模计算,批处理和数据访问开销使其并非低延迟首选。实际模型还包含中间数据分发排序,不能把Map只当调度动作。
图5-51先由名字域服务返回块位置,客户端再访问数据块;图5-52中的Map写本地中间文件,Reduce远程读取中间结果再输出。元数据定位与数据搬运的网络负担不同,MapReduce的并行也不能免除shuffle及中间存储成本。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- · 查看原书依据
Ma-pReduce框架采用函数式编程思想,把一个计算分成Map和Reduce两个计算过程,利用一个输入key-value对集,来产生一个输出key-value对集。
参考来源
- 位置:《银行信息系统架构》《第5章 技术架构》(来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/银行信息系统架构/_epub-src/OEBPS/Text/Chapter05.xhtml)
- 结论依据:原文“把一个计算分成Map和Reduce两个计算过程”及其相邻解释给出本卡的机制与适用对象;卡片中的应用限制与历史限定用于区分可迁移机制和时代性实现描述。
- 原始内容:Ma-pReduce框架采用函数式编程思想,把一个计算分成Map和Reduce两个计算过程,利用一个输入key-value对集,来产生一个输出key-value对集。
- 图表取材(147,148):978-7-111-51948-5-Chapter05-51.jpg;978-7-111-51948-5-Chapter05-52.jpg,与所在XHTML图/表及周边说明联合读取。