MapReduce原理及其主要实现平台分析  

Analysis of MapReduce Principle and Its Main Implementation Platforms

作　　者：亢丽芸[1] 王效岳[1] 白如江[1] 

机构地区：[1]山东理工大学科技信息研究所,淄博255049

出　　处：《现代图书情报技术》2012年第2期60-67,共8页New Technology of Library and Information Service

基　　金：国家社会科学基金一般项目"海量网络学术文献自动分类研究"(项目编号:10BTQ047);山东省自然科学基金项目"大规模学术文献并行处理与语义分类研究"(项目编号:ZR2011GL025)的研究成果之一

摘　　要：针对海量数据处理在处理速度、存储空间、容错性、访问时间等方面存在的问题,对Google MapReduce编程模型的原理、执行流程等进行分析研究,介绍4种主要的MapReduce实现平台Hadoop、Phoenix、Disco、Mars,从编程语言、构建平台、功能特点和应用领域4个方面对4种平台进行比较分析,以期对MapReduce编程模型原理及其应用平台有一个较全面的认识。Due to the problems in processing speed,storage space,fault tolerance,access time and others of massive data processing,this paper analyzes principle,implementation process of Google MapReduce programming model,introduces four main MapReduce implementation platforms,including Hadoop,Phoenix,Disco and Mars.Then,it separately compares them in four aspects as the programming language,building platform,functions and features,applications to have a comprehensive understanding of MapReduce programming model and it's application platforms.

关 键 词：MAPREDUCE 实现平台 HADOOP PHOENIX Disco MARS 

分 类 号：TP393.09[自动化与计算机技术—计算机应用技术]