2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩77頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著互聯(lián)網(wǎng)的高速發(fā)展及IT技術(shù)的快速進(jìn)步,各行各業(yè)的數(shù)據(jù)量都在高速增長,為了更好地分析和利用大數(shù)據(jù),大數(shù)據(jù)平臺應(yīng)運而生。Hadoop平臺能夠完成一般的大數(shù)據(jù)分析和處理,但是隨著信息量的爆發(fā)式增長及人們對實時性要求的提高,其性能已經(jīng)不足以應(yīng)對大數(shù)據(jù)時代的需求。Spark作為一種新型的分布式處理平臺,正在逐步得到關(guān)注和應(yīng)用。
  Spark SQL是Spark中對結(jié)構(gòu)化數(shù)據(jù)的處理模塊,也是Spark的核心部分,由于Spark SQL中

2、的表連接操作Spark Join性能較低而嚴(yán)重影響了Spark的整體性能。因此,論文對Spark SQL進(jìn)行了連接優(yōu)化方面的研究工作。
  首先,論文在吸取其他研究者的優(yōu)秀策略以及Spark自身提供的Broadcast Join、Hash Join基礎(chǔ)上,針對Spark的大表等值連接操作提出了一種基于Compressed Bloom Filter的Spark Join優(yōu)化方案CBF Join,該方案主要思想是預(yù)先過濾掉表中大部分不

3、符合連接條件的記錄,降低連接過程中的Shuffle數(shù)據(jù)量,從而提高大表等值連接的性能。
  其次,論文在分析第一種優(yōu)化方法的局限性后,針對待連接數(shù)據(jù)表的數(shù)據(jù)量大小未知的場景,提出了一種基于Split Bloom Filter的Spark Join優(yōu)化方案SBF Join,該方案采用動態(tài)生成位數(shù)組的方法,彌補了CBF Join的不足。
  再次,論文對數(shù)據(jù)傾斜導(dǎo)致Spark Join性能下降的情況進(jìn)行了研究,提出了數(shù)據(jù)傾斜場景

4、下Spark Join的優(yōu)化方案Skew Join,該方案通過直方圖來預(yù)先確定產(chǎn)生數(shù)據(jù)傾斜的連接屬性,將其與普通連接屬性分別處理,從而減少連接階段耗時,提升大表間等值連接效率。
  最后,論文以四組實驗來驗證上述研究成果,通過Shuffle階段的數(shù)據(jù)量以及運行時間的比較,驗證了Spark分布式計算框架的性能要優(yōu)于Hadoop分布式計算框架;本文提出的CBF Join方法在普通場景中的性能優(yōu)于Spark的Hash Join;SBF

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論