摘要 |
本发明公开了一种mapreduce计算过程优化方法,首先将原始数据文件分成若干份文件,从未被处理的文件集中选择一份作为子作业的输入,判断是否有需要合并的文件,若不存在,则提交任务;启动具有相同处理过程的Map任务,执行Map操作,对Map输出排序、合并、分区后接收Map输出结果,执行Reduce操作,保存输出结果;若存在需要合并的文件,则提交任务,启动具有多种处理的Map任务,将不同的输入数据发送给相应的Map,执行Map操作,多输出排序、合并、分区,最后检查原始数据文件集中是否还有数据文件未被处理,若无,结束程序,否则,重新将划分好的数据文件再次执行此过程。本发明分散了其输出时间,降低了瞬时网络传输流量,减少了本地磁盘的占用率,提升MapReduce计算过程。 |
主权项 |
一种mapreduce计算过程优化方法,其特征在于:首先将原始数据文件分成若干份文件,从未被处理的文件集中选择一份作为子作业的输入,判断是否有需要合并的文件,若不存在,则提交任务;启动具有相同处理过程的Map任务,执行Map操作,对Map输出排序、合并、分区后接收Map输出结果,执行Reduce操作,保存输出结果;若存在需要合并的文件,则提交任务,启动具有多种处理的Map任务,将不同的输入数据发送给相应的Map,执行Map操作,多输出排序、合并、分区,最后检查原始数据文件集中是否还有数据文件未被处理,若无,结束程序,否则,重新将划分好的数据文件再次执行此过程。 |