排序方式： 共有3条查询结果，搜索用时 93 毫秒
1
1.
迭代计算普遍存在于大数据处理中，而传统的MapReduce不能显式地支持迭代计算。近几年，研究者扩展和改进原始MapReduce，已开发了若干迭代式MapReduce以更好地为大数据处理而支持迭代计算。对迭代式MapReduce编程框架进行综合评述，较详细地阐述了这些研究成果，给出了它们各自的基本思想，并分析了它们各自的特点、优势和不足，且对比了它们所采用的一些技术。对迭代式MapReduce未来的发展趋势进行了展望。 相似文献
2.
提出了MapReduce多组容错机制,在传统的Hadoop MapReduce架构上进行改进,即在同机柜中的TaskTracker节点之间增加了多组关系,这样可以缩短发现失效节点的时间,同时减轻JobTracker节点的负荷,减低了带宽使用率,减少网络拥塞.通过实验证明,MapReduce多组容错机制提高了MapReduce的工作效率. 相似文献
3.
MapReduce并行编程模型通过定义良好的接口和运行时支持库,能够自动并行执行大规模计算任务,隐藏底层实现细节,降低并行编程的难度.本文对MapReduce的国内外相关研究现状进行了综述,阐述和分析了当前国内外与MapReduce相关的典型研究成果的特点和不足,重点对MapReduce涉及的关键技术(包括:模型改进、模型针对不同平台的实现、任务调度、负载均衡和容错)的研究现状进行了深入的分析.本文最后还对MapReduce未来的发展趋势进行了展望. 相似文献
1
