作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
Hadoop系统提供了MapReduce计算框架的开源实现,像Yahoo!、Facebook、淘宝、中移动、百度、腾讯等公司都在借助Hadoop进行海量数据处理。Hadoop系统性能不仅取决于任务调度器的分配策略,还受到分配后实际任务执行效率的影响,任务执行常常涉及读取、排序、归并、压缩、写入等具体阶段。
推荐文章
论高校实验室资源利用率提升策略
高等院校
实验室
资源共享
汽车物流仓库利用率提升和优化
仓库
货架
利用率
动态库位
基于资源权重最大资源利用率的动态资源调度算法
云计算
资源调度
资源权重
最大综合资源利用率
负载均衡
容器云多维资源利用率均衡调度研究
容器云
调度策略
OpenShift平台
评价函数
负载均衡
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 HCE:提升资源利用率的MapReduce框架
来源期刊 程序员 学科 工学
关键词 MapReduce 计算框架 资源利用率 海量数据处理 分配策略 YAHOO 执行效率 P系统
年,卷(期) 2011,(8) 所属期刊栏目
研究方向 页码范围 40-43
页数 4页 分类号 TP393.03
字数 语种
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
MapReduce
计算框架
资源利用率
海量数据处理
分配策略
YAHOO
执行效率
P系统
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
程序员
月刊
1672-3252
11-5038/G2
16开
北京市朝阳区广顺北大街33号院1号楼福码
2-665
2000
chi
出版文献量(篇)
10184
总下载数(次)
35
总被引数(次)
6420
论文1v1指导