面向減小Hadoop通信開銷的Gorder算法的研究.pdf_第1頁
已閱讀1頁，還剩62頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、數據挖掘技術成為近年來的研究熱點。KNN Joins問題是數據挖掘中的典型問題，在數據挖掘中的知識發(fā)現、空間數據庫和數據清洗等領域發(fā)揮作用。該問題包含近鄰查詢與Joins操作兩個方面，這兩個方面都是計算消耗型。當數據量增大，解決該問題的CPU消耗、I/O消耗等是巨大的。提高解決KNN Joins問題的算法性能是必要的。為了在面臨大數據時數據挖掘問題仍然能夠高效的解決，并行化是有效的方法。在并行計算中，Hadoop采用Map/Reduce

2、編程模型進行計算。其中Map/Reduce編程模型作為一種簡單、易擴展、高容錯的并行編程模型，得到了廣泛的應用。
　　 本文利用該編程模型對算法進行并行化，解決大數據處理過程中的效率問題是普遍被采用的方法。采用Hadoop平臺并使用Map/Reduce編程模型對KNN Joins問題算法進行并行化設計是可行而有效的。目前關于KNN Joins問題如何高效、準確的解決已有了相關的研究。其中包括單機算法，也包括采用Map/Reduc

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論