大数据文本并行计算实现方式是什么
本篇文章为大家展示了大数据文本并行计算实现方式是什么,内容简明扼要并且容易理解,绝对能使你眼前一亮,通过这篇文章的详细介绍希望你能有所收获。
成都创新互联成立于2013年,是专业互联网技术服务公司,拥有项目成都做网站、成都网站建设网站策划,项目实施与项目整合能力。我们以让每一个梦想脱颖而出为使命,1280元宾川做网站,已为上家服务,为宾川各地企业和个人服务,联系电话:18982081108
对于大数据文件的处理,可以充分利用现代计算机的多核CPU,实施多线程并行计算,从而达到提速的目的。然而,要在程序语言中编写多线程并行程序,并不是一件容易的事。
要并行处理就需要将源文件分段,每个线程处理其中一段。文本文件一般是每一行对应一条记录,每一行长度不一定相同。所以,不能按行数分段,因为每次都从头遍历,起不到提高性能的目标;若按字节分段则不需要遍历,但有可能分段点正好落在行的中间,造成一行被拆进两段,导致数据错误。有效的解决办法是采用自动去头补尾的字节分段机制,即分段开始点所在的行被舍弃,分段结束点所在的行会被补齐,这样将确保每一段都由完整的行构成,不会有数据错误。另外,还有线程的管理和控制等问题,如果管理不当,则会出现越界的情况。
如果有集算器SPL就简单多了,它对多线程并行计算进行了封装,代码写起来不仅更短而且更容易理解,这样在获得高性能的同时,让程序员把注意力更多地放在计算的整体逻辑上,而不必纠缠于为了提高性能而采用的并行细节。用集算器SPL写出并行计算代码:
A | B | C | |
1 | =file(“data.txt”) | /源文件 | |
2 | fork 4 | =A1.cursor@t(amount;A2:4) | /分作4段并行,分别建立游标 |
3 | =B2.groups(;sum(amount):am) | /遍历游标计算amount之和 | |
4 | =A2.conj().sum(am) | /汇总每个线程的结果 |
文本解析的时间经常比计算要长得多,有时候只要解析能够并行,计算本身是否并行并不重要。所以SPL对于读取数据提供了简单的内置并行选项,如果对数据读取次序不关心,比如分组、求和运算就不在乎次序,可以更简单地写出代码:
A | B | |
1 | =file("orders.txt").cursor@mt() | /@m选项将自动根据系统配置决定并行的线程数量 |
2 | =A1.select(month(Date)==10) | /过滤 |
3 | =A2.groups(ID;sum(COST*WEIGHT):VALUE) | /分组、汇总(串行) |
上述内容就是大数据文本并行计算实现方式是什么,你们学到知识或技能了吗?如果还想学到更多技能或者丰富自己的知识储备,欢迎关注创新互联行业资讯频道。
分享文章:大数据文本并行计算实现方式是什么
标题网址:http://cdiso.cn/article/iehcjc.html