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),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
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) }}11一個倒排索引由大量的postingslist一個postingslist由多個posting構(gòu)成(按docid排序一個postingslist與一個term一個posting包含一 id和一個 中出現(xiàn)情況相關(guān)的信息(e.g.termfrequency,positions,termproperties)同時還有對應(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的鍵值對按照(termdocid)進(jìn)入reduce的鍵值對按照(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)而拖慢了整個程(2)當(dāng)有大量的key要分配到多個partition(也就是Reducer)時,如何高效地找到每Key的分布預(yù)讀一小部分?jǐn)?shù)據(jù)采樣對采樣數(shù)據(jù)排序后均分,假設(shè)有N個reducer,則取得N-1個分割usesasortedlistofN-1sampledkeysthatdefinethekeyrangeforeachInparticular,allkeyssuchthatsample[i-1]<=key<sample[i]aresenttoreducei.guaranteesthattheoutputofreduceiarealllessthantheoutputofreduce設(shè)reduce數(shù)目為3,采到9取兩個分割點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)矩陣把小的鍵值對合并成大的鍵值通常一個計算問題會產(chǎn)生大量的鍵值對,為了減少鍵值對傳輸和排序的開銷,一些題中的大量小的鍵值對可以被合并成一些大的鍵值對(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)頁內(nèi)容里面會有圖紙預(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. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 馬鞍山職業(yè)技術(shù)學(xué)院《藝術(shù)形態(tài)采集課程設(shè)計》2023-2024學(xué)年第一學(xué)期期末試卷
- 呂梁學(xué)院《成本會計模擬》2023-2024學(xué)年第一學(xué)期期末試卷
- 2024年臨時活動場地租賃合同范本
- 2025年南寧貨車資格證試題及答案
- 2024年個人擔(dān)保書填寫說明3篇
- 2024年上門女婿財產(chǎn)分割及婚姻關(guān)系解除協(xié)議書3篇
- 洛陽文化旅游職業(yè)學(xué)院《池塘養(yǎng)殖學(xué)A》2023-2024學(xué)年第一學(xué)期期末試卷
- 2024年水利工程勞務(wù)分包協(xié)議樣本
- 單位人事管理制度精彩選集
- 辦公物業(yè)招投標(biāo)攻略流程掌握
- 昆曲藝術(shù)學(xué)習(xí)通超星課后章節(jié)答案期末考試題庫2023年
- 六年級上冊英語-選擇題-人教pep(含答案)
- 印象派美術(shù)課件
- 小學(xué)話劇課本劇興趣小組社團教學(xué)設(shè)計附社團活動記錄(已填好,直接打印)
- 《散文創(chuàng)作與研究》(10543)自考考試復(fù)習(xí)題庫(含答案)
- 穩(wěn)定系數(shù)計算表
- 河北省對口升學(xué)計算機基礎(chǔ)資料課件
- Cytiva:層析介質(zhì)壽命和清潔驗證綜合設(shè)計的良好實踐白皮書
- 全冀教版六年級上冊英語第四單元知識點總結(jié)
- 酒店接待醉酒客人流程課件
- PPT基礎(chǔ)教程完整版
評論
0/150
提交評論