Hvad er mapper og reducer i Hadoop?
Hvad er mapper og reducer i Hadoop?

Video: Hvad er mapper og reducer i Hadoop?

Video: Hvad er mapper og reducer i Hadoop?
Video: Data Science with Python! Analyzing File Types from Avro to Stata 2024, Kan
Anonim

Den store fordel ved KortReducer er, at det er nemt at skalere databehandling over flere computerknudepunkter. Under KortReducer model kaldes databehandlingsprimitiverne kortlæggere og reduktionsgear . Dekomponerer en databehandlingsapplikation til kortlæggere og reduktionsgear er nogle gange ikke-trivielt.

Holder dette i øjesyn, hvad er mapper og reducer?

MapReduce består af to nøglefunktioner: Mapper og Reducer . Mapper er en funktion, der behandler inputdata. Det kortlægger behandler dataene og opretter flere små bidder af data.

hvad er en kortlægger? EN kortlægger kan beskrive en data kortlægger samt en person, der laver geografiske kort. En geografisks pligter kortlægger eller kortlægningstekniker omfatter indsamling og behandling af geografiske data for at skabe et kort over et område.

På denne måde, hvad er brugen af mapper og reducer i Hadoop?

Ifølge The Apache Software Foundation er det primære mål med Kort / Reducere er at opdele inputdatasættet i uafhængige bidder, der behandles fuldstændig parallelt. Det Hadoop MapReduce framework sorterer udgangene af kortene, som derefter input til reducere opgaver.

Hvad er brugen af mapper i Hadoop?

I en løbetur Hadoop job, applikationer implementerer typisk Mapper og Reducer-grænseflader til at tilvejebringe kortet (individuelle opgaver, der transformerer inputposter til mellemposter) og reducerer metoder til at reducere et sæt mellemværdier, som deler en nøgle til et mindre sæt værdier.

Anbefalede: