排序方式： 共有45条查询结果，搜索用时 15 毫秒
41.
针对高校机房教学设备资源严重短缺和大量设备处于老化淘汰的现状,以及设备故障层出不穷的困境。提出基于云计算技术环境下高校机房管理中的应用模式,并介绍基于Hadoop架构的构建。云计算在高校机房的应用,可减少计算机设备的投入和维修维护成本;节省计算机操作系统和应用软件的升级和维护费用;提高数据存储安全保障,降低管理成本;解决高校教学设备资源紧缺,以及在实际的机房管理中存在的各种难题和问题。 相似文献
42.
提出基于云计算平台（以Hadoop为例）应用布尔矩阵Apriori算法进行大数据关联规则挖掘的MR_B_Apriori算法。将Hadoop平台与布尔矩阵Apriori算法相结合,利用MapReduce框架分块处理布尔矩阵,计算出分块数据的频度,合并融合得到大数据集的频繁项集。分析表明MR_B_Apriori算法能够适用于大数据的频繁项集挖掘。 相似文献
43.
周建华 《西安文理学院学报》2014,(4):75-81
海量数据给微博舆情实时监控预警带来了严峻的挑战,将Hadoop关键技术引入微博舆情分析研究领域,以探寻分布式环境下的高效率短文本数据查询与推理方法,以微博数据结构为基础,结合云计算Hadoop关键技术特性,提出了一种海量微博数据分析预警框架.HDFS为海量微博的数据提供了存储,而MapReduce为海量微博的数据提供快速运算.采用Map(映射)和Reduce(规约)规则,对微博用户关系和内容数据的大规模数据集进行并行运算,以实现并行化高效预处理、深度分析和舆情实时五级预警.为验证计算效率与Reduce任务数之间关系,对Reduce任务数进行实验,结果表明,在Map一定的情况下,随微博数据集的增大到2 GB后,多任务数Reduce执行时间相比少任务数Reduce大大缩短. 相似文献
44.
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。 相似文献
45.
随着信息社会发展,海量数字信息资源存储的需求变得越来越普遍,使用分布式文件存储是一种有效的解决方案。文章通过分析HDFS本身信息存储交互的特点,给出了使用HDFS的长期保存分布式存储实现方案,为今后使用HDFS及Fedora进行分布式长期保存及管理提供了借鉴参考。 相似文献