رویکردمدل MapReduce درپردازش داده های عظیم دراکوسیستم Hadoop-Mahout
Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 556
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
DCBDP03_048
تاریخ نمایه سازی: 14 شهریور 1396
Abstract:
از فنآوریهایی که امروزه در مسایل مختلف کاربرد دارد، تکنیک MapReduce شرکت گوگل است که با سیستم فایل گوگل (System File Google (معرفی شد. چارچوب متنباز Hadoop ،محبوبترین چارچوب پردازش، ذخیره و تحلیل کلانداده در فنآوری محاسبات ابری، مقدار زیادی از توجه محققان را به خود جلب کرده است. MapReduce-Hadoop ،از تکنیکهای پردازش موازی است که بهخوبی توانسته مقیاسپذیری پردازش دادههای حجیم را بهبود دهد و بهعنوان راهکاری مناسب در خوشهبندی دادههای بزرگ کاربرد دارد.کتابخانه منبعباز ماهوت، کتابخانهی الگوریتمهای یادگیری ماشین است. در این مقاله قصد داریم به منظور کاهش زمان پردازش دادههای عظیم و ابعادبالا، الگوریتمهای حوزه دادهکاوی از جمله الگوریتمهای خوشهبندی را در چارچوب ماهوت بر اساس MapReduce- Hadoop بررسی و پیادهسازی نماییم. الگوهای ترکیبی با مدل پردازشی MapReduceطراحی شده، و بر روی اکو سیستم هدوپ با استفاده از ماهوت بر روی مجموعهدادههای 21578-Reuters و Control Synthetic پیادهسازی و اجرا شده است.
Keywords:
Authors
سمیه احمدی
دانشجوی کارشناسیارشد کامپیوتر- نرمافزار، گروه آموزشی مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد زنجان، زنجان،
مهدی افضلی
استادیار مهندسی کامپیوتر، گروه آموزشی مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد زنجان، زنجان،