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:
评述了MapReduce与Spark两种大数据计算算法和架构,从背景、原理以及应用场景进行分析和比较,并对两种算法各自优点以及相应的限制做出了总结.当处理非迭代问题时,MapReduce凭借其自身的任务调度策略和shuffle机制,在中间数据传输数量以及文件数目方面的性能要优于Spark;而在处理迭代问题和一些低延迟问题时,Spark可以根据数据之间的依赖关系对任务进行更合理的划分,相较于MapReduce,有效地减少了中间数据传输数量与同步次数,提高了系统的运行效率.
推荐文章
基于Spark的分布式大数据分析建模系统的设计与实现
分布式大数据
Spark
数据分析
数据建模
非结构化数据
故障诊断
大数据分析中基于MapReduce的空间权重创建方法研究
大数据空间分析
MapReduce
空间权重
附近邻居
可扩展性
大数据分析概要
大数据
大数据分析
未来趋势
基于Spark的移动用户行为 轨迹大数据分析
移动用户行为
轨迹分析
分布式处理
Spark
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 MapReduce与Spark用于大数据分析之比较
来源期刊 软件学报 学科 工学
关键词 大数据 MapReduce Spark 迭代问题 非迭代问题
年,卷(期) 2018,(6) 所属期刊栏目 数据库技术
研究方向 页码范围 1770-1791
页数 22页 分类号 TP311
字数 15705字 语种 中文
DOI 10.13328/j.cnki.jos.005557
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 嵇圣硙 合肥工业大学计算机与信息学院 1 40 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (36)
共引文献  (40)
参考文献  (7)
节点文献
引证文献  (40)
同被引文献  (173)
二级引证文献  (47)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(8)
  • 参考文献(3)
  • 二级参考文献(5)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(4)
  • 参考文献(0)
  • 二级参考文献(4)
2016(6)
  • 参考文献(0)
  • 二级参考文献(6)
2017(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(4)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(4)
  • 二级引证文献(0)
2018(4)
  • 引证文献(4)
  • 二级引证文献(0)
2019(40)
  • 引证文献(22)
  • 二级引证文献(18)
2020(43)
  • 引证文献(14)
  • 二级引证文献(29)
研究主题发展历程
节点文献
大数据
MapReduce
Spark
迭代问题
非迭代问题
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
软件学报
月刊
1000-9825
11-2560/TP
16开
北京8718信箱
82-367
1990
chi
出版文献量(篇)
5820
总下载数(次)
36
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导