MapReduce

Продукт

Разработчики:

Содержание

Обзор
Имеющиеся реализации
См. также
Примечания
Ссылки

MapReduce — программный фреймворк, представленный компанией Google, используемый для параллельных вычислений над очень большими, несколько петабайт,^[1] наборами данных в компьютерных кластерах.

Обзор

MapReduce — это фреймворк для вычисления некоторых наборов распределенных задач с использованием большого количества компьютеров (называемых «нодами»), образующих кластер.

Работа MapReduce состоит из двух шагов: Map и Reduce.

На Map-шаге происходит предварительная обработка входных данных. Для этого один из компьютеров (называемый главным узлом — master node) получает входные данные задачи, разделяет их на части и передает другим компьютерам (рабочим узлам — worker node) для предварительной обработки. Название данный шаг получил от одноименной функции высшего порядка.

На Reduce-шаге происходит свёртка предварительно обработанных данных. Главный узел получает ответы от рабочих узлов и на их основе формирует результат — решение задачи, которая изначально формулировалась.

Преимущество MapReduce заключается в том, что он позволяет распределенно производить операции предварительной обработки и свертки. Операции предварительной обработки работают независимо друг от друга и могут производиться параллельно (хотя на практике это ограничено источником входных данных и/или количеством используемых процессоров). Аналогично, множество рабочих узлов могут осуществлять свертку — для этого необходимо только чтобы все результаты предварительной обработки с одним конкретным значением ключа обрабатывались одним рабочим узлом в один момент времени. Хотя этот процесс может быть менее эффективным по сравнению с более последовательными алгоритмами, MapReduce может быть применен к большим объемам данных, которые могут обрабатываться большим количеством серверов. Так, MapReduce может быть использован для сортировки петабайта данных, что займет всего лишь несколько часов. Параллелизм также дает некоторые возможности восстановления после частичных сбоев серверов: если в рабочем узле, производящем операцию предварительной обработки или свертки, возникает сбой, то его работа может быть передана другому рабочему узлу (при условии, что входные данные для проводимой операции доступны).

Фреймворк в большой степени основан на функциях map и reduce, широко используемых в функциональном программировании,^[2] хотя фактически семантика фреймворка отличается от прототипа.^[3]

Имеющиеся реализации

Google реализовал MapReduce на C++ с интерфейсами на языках Python и Java.
Greenplum — это коммерческая реализация MapReduce с поддержкой языков Python, Perl, SQL и других.^[4]
GridGain — это бесплатная реализация MapReduce с открытыми исходными кодами на языке Java.
Проект Apache Hadoop — это бесплатная реализация MapReduce с открытыми исходными кодами на языке Java.
Phoenix [1] — это реализация MapReduce на языке С с использованием разделяемой памяти.
MapReduce также реализована Cell Broadband Engine на языке C. [2]
MapReduce реализована в графических процессорах NVIDIA с использованием CUDA [3].
Qt Concurrent — это упрощенная версия фреймворка, реализованная на C++, которая используется для распределения задачи между несколькими ядрами одного компьютера.
CouchDB использует MapReduce для определения представлений поверх распределенных документов
MongoDB также позволяет использовать MapReduce для параллельной обработки запросов на нескольких серверах
Skynet — это реализация с открытыми исходныим кодами на языке Ruby
Disco — это реализация MapReduce, созданная компанией Nokia. Ее ядро написано на языке Erlang и приложения для нее можно писать на языке Python.
Hive framework — надстройка с открытыми исходными кодами от Facebook, позволяющая комбинировать подход MapReduce и доступ к данным на SQL-подобном языке.
Qizmt — это реализация MapReduce с открытым исходным кодом от MySpace, написанная на C#.