آموزش درک مدل برنامه نویسی MapReduce

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

معرفی MapReduce Introducing MapReduce

• مجموعه داده های عظیم و سیستم های مقیاس پذیر Huge Data Sets and Scalable Systems

• قدرت و پیچیدگی کار تیمی The Power and Complexity of Teamwork

• تفکر موازی با MapReduce Thinking Parallel with MapReduce

• جریان اصلی فرآیند MapReduce Basic Flow of a MapReduce Process

• شناسایی برنامه های MapReduce Identifying MapReduce Applications

شغل MapReduce "سلام به جهان" A "Hello World" MapReduce Job

• شیشه های Hadoop را بارگیری کنید و یک پروژه Intellij تنظیم کنید Download Hadoop Jars and Set up an Intellij Project

• سلسله مراتب Class Map The Map Class Hierarchy

• سلسله مراتب کلاس را کاهش دهید The Reduce Class Hierarchy

• برنامه درایور The Driver Program

• راه اندازی پرونده های ورودی ورودی Setting up the Input Data Files

• کد کلاس نقشه The Map Class Code

• کد کاهش کلاس The Reduce Class Code

• طبقه اصلی و MapReduce Job The Main Class and the MapReduce Job

• اجرای اولین کار MapReduce ما Running Our First MapReduce Job

کنترل موازی بودن در نقشه و کاهش فازها Controlling Parallelism in Map and Reduce Phases

• پشت صحنه وظیفه MapReduce Behind the Scenes of a MapReduce Task

• با استفاده از Single Reducer Using a Single Reducer

• با استفاده از چند گیرنده Using Multiple Reducers

• پارتیشن ، تغییر شکل و مرتب سازی Partition, Shuffle, and Sort

• تعداد کارها را کاهش دهید Tweaking the Number of Reduce Tasks

• با استفاده از یک ترکیب ، مرحله نقشه را بهینه کنید Optimize the Map Phase Using a Combiner

• تنظیم کلاس ترکیبی در MapReduce Setting a Combiner Class On Your MapReduce

• گیرنده ها به عنوان ترکیب کننده ها Reducers as Combiners

• محدودیت در استفاده از گیرنده ها به عنوان ترکیب Constraints in Using Reducers as Combiners