Hadoop++：Hadoop的局部性能改良 -- 算法 -- IT技术博客大学习 -- 共学习共进步！

您现在的位置：首页 --> 算法 --> Hadoop++：Hadoop的局部性能改良

Hadoop++：Hadoop的局部性能改良

浏览:1591次出处信息

Hadoop++是对Hadoop Map Reduce的非入侵式优化，通过自定义Hadoop框架中的split等函数来提升，提升查询和联接性能。项目由德国Saarland大学Jens Dittrich教授主持。项目主页是 http://infosys.uni-saarland.de/hadoop++.php。

Hadoop++对Hadoop的优化主要是Trojan Index、Trojan Join和Trojan Layout三方面。

1、Trojan Index

Trojan index的核心是将数据组织成依次由数据、索引、Header和Footer这四部分构成的split，其中Footer是split的分界符，最后一个Footer一定位于文件末尾。索引构建时由MapReduce完成排序。查询时split函数从文件末尾开始根据Footer信息解析出各个split，itemize函数根据搜索范围条件快速定位满足条件的内容。

以数据库技术类比，Trojan Index类似于索引组织表。

2、Trojan Join

Trojan Join根据联接属性将来自多表的相关记录分到一个split，组织成类似于Trojan Index的结构，itemize出来的记录同时包含了参与联接的双方的属性，这样不再需要在查询时再根据联接属性用map/shuffle/reduce来计算联接。

以数据库技术类比，Trojan Join类似于多表聚簇。

3、Trojan Layout

类似于PAX，为block内部的数据组织方法，将查询中经常一起访问的属性组合在一起。不同复本用不同的Layout。根据负载计算最优的Layout，类似于背包算法。

以数据库技术类似，Trojan Layout类似于垂直分区，亮点是不同复本用不同的垂直分区。

建议继续学习：

QQ技术交流群：445447336，欢迎加入！
扫一扫订阅我的微信号：IT技术博客大学习

<< 前一篇：蒙特霍尔问题与我那餐盒饭

后一篇：深入浅出jcr之16 该死的RMI,我们需要HTTP+简单RPC协议 >>

文章信息

作者：风轻扬来源：风轻扬
标签： Hadoop
发布时间：2011-12-18 21:57:02

建议继续学习

近3天十大热文