下載本文檔
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
副研究員博士 4如:選擇,投影,求交集、并集,連接,成組,聚合5討 one:doc1doc3fish:one:doc1doc3fish:doc1,doc2two:doc1red:doc2,doc3blue:doc2bird:doc3onefishtwooneonered bluefish→doc1,doc2red→doc2,doc3redfish→doc2importimportimportimportpublicclassInvertedIndexMapperextendsMapper<Text,Text,Text, //defaultRecordReader:LineRecordReader;key:lineoffset;value:line FileSplitfileSplit=(FileSplit)context.getInputSplit();StringfileName=fileSplit.getPath().getName();Textword=newText();TextfileName_lineOffset=newfor(;itr.hasMoreTokens();) }}}importjava.io.IOException;importjava.util.Collections;importjava.util.Iterator;importimport throwsIOException, Iterator<Text>it=values.iterator();StringBuilderall=newStringBuilder();for(;it.hasNext();) }}publicclass{publicstaticvoidmain(String[]{tryConfigurationconf=newjob=newJob(conf,"invertFileInputFormat.addInputPath(job,newFileOutputFormat.setOutputPath(job,new pletion(true)?0:}catch(Exceptione) }}11一個(gè)倒排索引由大量的postingslist一個(gè)postingslist由多個(gè)posting構(gòu)成(按docid排序一個(gè)postingslist與一個(gè)term一個(gè)posting包含一 id和一個(gè) 中出現(xiàn)情況相關(guān)的信息(e.g.termfrequency,positions,termproperties)同時(shí)還有對(duì)應(yīng)Web文檔到其URL的映射111:class procedureMap(docidn,docd) H←newAssociativeArray foralltermt∈docddo H{t}←H{t}+ foralltermt∈H Emit(termt,posting<n,H{t}>)1:classReducer procedureReduce(termt,postings[<n1,f1>,<n2, P←new forallposting<a,f>∈postings[<n1,f1>,<n2,f2>…] Append(P,<a,f>) Emit(termt;postings11文檔倒排索引1文檔倒排索引進(jìn)入reduce的鍵值對(duì)按照(termdocid)進(jìn)入reduce的鍵值對(duì)按照(termdocid)Customized1帶詞頻等屬性的文檔倒排算法(改進(jìn)Class rtitionerextends// //overridethegetPartition(Kkey,Vvalue,int term=key.toString().split(“,”)[0];//<term,super.getPartition(term,value,}}SetthecustomizedpartitionerinjobJob. 2DistributedData10MB?10GB?2SortAlgorithminmap(k1,*)->(k1, //Identity(1)total-order(2)localreduce(k1,*)->(k1, //IdentityAcustomizedtotal-orderrecallthatshufflephaseneedsaPartitionertopartitionthekeythatdependsonyourdata22(1)如何避免在某些Reducer 過多的數(shù)據(jù)而拖慢了整個(gè)程(2)當(dāng)有大量的key要分配到多個(gè)partition(也就是Reducer)時(shí),如何高效地找到每Key的分布預(yù)讀一小部分?jǐn)?shù)據(jù)采樣對(duì)采樣數(shù)據(jù)排序后均分,假設(shè)有N個(gè)reducer,則取得N-1個(gè)分割usesasortedlistofN-1sampledkeysthatdefinethekeyrangeforeachInparticular,allkeyssuchthatsample[i-1]<=key<sample[i]aresenttoreducei.guaranteesthattheoutputofreduceiarealllessthantheoutputofreduce設(shè)reduce數(shù)目為3,采到9取兩個(gè)分割點(diǎn)60,68;劃分區(qū)間為:[*,60),[60,68),3M.R.Algorithm(“pairs”approach)pseudo-1:class2:methodMap(docida,doc foralltermw∈docd foralltermu∈Neighbors(w) //Emitcountforeachco-occurrenceEmit(pair(w,u),count1)1:class2:methodReduce(pairp;counts[c1, s← forallcountc2counts[c1,c2,…] s←s+ //Sumco-occurrence Emit(pairp,count3構(gòu)建單詞同現(xiàn)矩陣-wearenotwewanttobutatwearenotweusedto同現(xiàn)定義wordsthatco-occurwithwwithina2-word3構(gòu)建單詞同現(xiàn)矩陣把小的鍵值對(duì)合并成大的鍵值通常一個(gè)計(jì)算問題會(huì)產(chǎn)生大量的鍵值對(duì),為了減少鍵值對(duì)傳輸和排序的開銷,一些題中的大量小的鍵值對(duì)可以被合并成一些大的鍵值對(duì)(pair
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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 2024年大班下學(xué)期班級(jí)工作總結(jié)(4篇)
- 發(fā)包工程安全管理規(guī)定范文(2篇)
- 校園防擁擠踩踏事件應(yīng)急預(yù)案(4篇)
- 2024年大隊(duì)長(zhǎng)就職演講稿樣本(3篇)
- 酒店前臺(tái)服務(wù)員崗位職責(zé)的描述模版(2篇)
- 2024年事業(yè)單位人事年終個(gè)人工作總結(jié)(3篇)
- 《發(fā)動(dòng)機(jī)潤(rùn)滑油》課件
- 2021 自動(dòng)駕駛環(huán)衛(wèi)場(chǎng)景商業(yè)化應(yīng)用研究報(bào)告
- 股前外側(cè)皮瓣培訓(xùn)課件
- 電子商務(wù)存在的安全問題
- 《裝備質(zhì)量問題歸零實(shí)施指南》
- 混凝土組織供應(yīng)運(yùn)輸售后服務(wù)方案
- 四級(jí)營(yíng)養(yǎng)師模擬及答案
- 第13課《不求甚解》 統(tǒng)編版語文九年級(jí)下冊(cè)
- 水電改造工程投標(biāo)方案(技術(shù)標(biāo))
- 光電信息科學(xué)與工程專業(yè)大學(xué)生職業(yè)生涯規(guī)劃書
- 2023-2024學(xué)年廣東省深圳市48校聯(lián)考九年級(jí)(上)期中語文試卷
- 華為經(jīng)營(yíng)管理-華為市場(chǎng)營(yíng)銷體系(6版)
- 衛(wèi)浴營(yíng)銷方案
- 聯(lián)想醫(yī)療桌面云平臺(tái)解決方案@20180727
- 林業(yè)遙感技術(shù)及典型應(yīng)用
評(píng)論
0/150
提交評(píng)論