发明名称 |
基于键值分布的跨数据中心大数据处理 |
摘要 |
本发明提出了一种基于键值分布的跨数据中心(DC)大数据处理系统和方法,首先基于G-Hadoop和G-MR提出了一种新的架构,新增了一个用于收集DC相关信息以及key的分布信息的ResourceManager模块,该系统能对每个DC的输出进行抽样,从而得到近似的key分布并估算每个Reducer分配到的数据量,存储到ResourceManager模块;然后利用ResourceManager模块中存储的信息,本发明提出的二层分组遗传算法TLGGA,为每个reducer寻找目标DC。其中,TLGGA中初始种群的生成分别针对三个目标,即电价,物力资源和传输代价;TLGGA采用了局部优化的技巧,加快了算法的收敛。 |
申请公布号 |
CN105589752A |
申请公布日期 |
2016.05.18 |
申请号 |
CN201610100798.6 |
申请日期 |
2016.02.24 |
申请人 |
哈尔滨工业大学深圳研究生院 |
发明人 |
张江涛;王轩;黄荷姣 |
分类号 |
G06F9/50(2006.01)I |
主分类号 |
G06F9/50(2006.01)I |
代理机构 |
深圳市科吉华烽知识产权事务所(普通合伙) 44248 |
代理人 |
孙伟 |
主权项 |
一种基于键值分布的跨数据中心大数据处理系统,其特征在于,所述系统包括HigherJobTracker模块、CopyerManager模块、Copyer模块、JobTracker模块、TaskTracker模块和ResourceManager模块;其中,所述ResourceManager模块,用于收集DC相关信息以及key的分布信息;所述系统的工作流程为:工作首先被提交到所述HigherJobTracker模块,如果发现工作需要多个DC的数据作为输入,则HigherJobTracker模块要求相关DC的JobTrackers模块来对每个DC的数据进行抽样;在一小部分数据被map后,所述HigherJobTracker模块就能对每个DC的输出进行估算,从而得到近似的key分布,并估算每个Reducer分配到的数据量;reducer的配置被估计以便和它需要处理的数据量相称,以免有的reduce任务拖延过长而增加整个job的时延;这个结果被送到ResourceManager模块;本地数据的map操作将会继续;同时,调用遗传算法GA,利用ResourceManager模块中存储的信息,GA算法为每个reducer寻找目标DC;得到reducer部署方案后,HigherJobTracker模块开始让CopyManager模块将map输出拷贝到目标DC,其中,具体的拷贝工作由每个目标DC内的Copyer模块完成。 |
地址 |
518000 广东省深圳市南山区西丽镇深圳大学城哈工大校区 |