Google能够在6个小时排序1 PB数据

10顶
3踩

2008-11-24 11:40 by 副主编 QQbyte 评论(14) 有9916人浏览

Google 数据结构数据挖掘 Mapreduce

声明：ITeye资讯文章的版权属于ITeye网站所有，严禁任何网站转载本文，否则必将追究法律责任！

google日前宣布，他们能够在6小时2分钟操作4000台电脑排序1 PB的数据，1 PB ＝ 1,024 TB ！根据google的博客，从这个数据量的角度来看，1 PB相当于2008年5月份美国国会图书馆存档web数据的12倍，都是通过google MapReduce实例来处理巨大的数据，数据额在2008年一月差不多是每天 20 PB。强大的MapReduc 技术可能成为一个编程模型和一个处理/生成巨大数据的联合实现方式。

MapReduce 是google数据处理的核心技术，是Google开发的C++编程工具，用于大规模数据集（大于1TB）的并行运算，同时Yahoo，Facebook和LinkedIn也采用此项技术。但是这是一项有争议的技术，主要是和标准的数据仓储data warehousing的通用方式有明显冲突。目前两个data warehouse DBMS 厂商Greenplum 和 Aster Data，发布了集成MapReduce进入SQL数据库管理工具，MapReduce将极大促进高端数据分析技术的发展，尤其在三个方面的应用：1）文本字符解析，索引和搜索；2）创建其他类型的数据结构(比如graphs图)；3）数据挖掘和机器学习(数据转换也在这个列表中)。所有这些领域要获得更好的结果取决于性能，MapReduce提供了让主要数据处理速度大幅提高的可能性。

对MapReduce有兴趣，还可以查看：google发布的一个来自google技术圆桌会议讨论MapReduce的视频。

来自: slashdot.or

分享到：

10
顶

3
踩

评论共 14 条请登录后发表评论

14 楼 duanyong 2012-12-20 10:13

EXvision 写道

lazy 写道

单纯的计算，每台电脑只负责256GB数据排序，每小时43G，每分钟700M，每秒不到12M。

说的简单，你也写一个啊。囧死了。现在的娃子。

原来大数据就是这样子分下来的啊。那还做大数据研究啊？

请问哥们，数据之间的关系不考虑了？这才是最复杂的啊。要划分那些数据先处理的顺序，分析数据与数据关系的联系啊。

13 楼 wjch_111 2012-05-18 16:09

咱是码农，，，处理不了这么牛B的技术！！！安心写增删查改吧~~~

12 楼 jkfzero 2009-07-21 22:31

Yahoo用Hadoop打破这个记录了吧。不过同样是基于MapReduce。

11 楼 toeo 2008-11-28 20:05

....

lazy 写道

单纯的计算，每台电脑只负责256GB数据排序，每小时43G，每分钟700M，每秒不到12M。

...google会这么简单的运算么...??
总之Google就是牛..这个不可否认...在说..说不定人家还验算几遍呢.....
技术上面肯定是没的说.....大神...

10 楼 beiyangshuishi 2008-11-25 20:29

上帝呀这么大的数据量居然只用1个小时,值得深思

9 楼 elmar 2008-11-25 11:15

bookong 写道

比 PB 还大的是什么……NB吗？

1000m 10n Prefix Symbol Since[1] Short scale Long scale Decimal
10008 1024 yotta- Y 1991 Septillion Quadrillion 1 000 000 000 000 000 000 000 000
10007 1021 zetta- Z 1991 Sextillion Trilliard 1 000 000 000 000 000 000 000
10006 1018 exa- E 1975 Quintillion Trillion 1 000 000 000 000 000 000
10005 1015 peta- P 1975 Quadrillion Billiard 1 000 000 000 000 000
10004 1012 tera- T 1960 Trillion Billion 1 000 000 000 000
10003 109 giga- G 1960 Billion Milliard 1 000 000 000
10002 106 mega- M 1960 Million 1 000 000
10001 103 kilo- k 1795 Thousand 1 000
10002/3 102 hecto- h 1795 Hundred 100
10001/3 101 deca- da 1795 Ten 10
10000 100 (none) (none) NA One 1
1000−1/3 10−1 deci- d 1795 Tenth 0.1
1000−2/3 10−2 centi- c 1795 Hundredth 0.01
1000−1 10−3 milli- m 1795 Thousandth 0.001
1000−2 10−6 micro- µ 1960[2] Millionth 0.000 001
1000−3 10−9 nano- n 1960 Billionth Milliardth 0.000 000 001
1000−4 10−12 pico- p 1960 Trillionth Billionth 0.000 000 000 001
1000−5 10−15 femto- f 1964 Quadrillionth Billiardth 0.000 000 000 000 001
1000−6 10−18 atto- a 1964 Quintillionth Trillionth 0.000 000 000 000 000 001
1000−7 10−21 zepto- z 1991 Sextillionth Trilliardth 0.000 000 000 000 000 000 001
1000−8 10−24 yocto- y 1991 Septillionth Quadrillionth 0.000 000 000 000 000 000 000 001

8 楼 ray_linn 2008-11-25 11:08

strongkill 写道

lazy 写道
单纯的计算，每台电脑只负责256GB数据排序，每小时43G，每分钟700M，每秒不到12M。平均起来是每秒不到12M，但你不需要考虑这12M跟其它数据的关系吗？？单独处理。。。这样有意义吗？

web数据应该有其特殊性，这个和关系数据库差别很大。

7 楼 bookong 2008-11-25 09:51

比 PB 还大的是什么……NB吗？

6 楼 EXvision 2008-11-25 08:37

lazy 写道

单纯的计算，每台电脑只负责256GB数据排序，每小时43G，每分钟700M，每秒不到12M。

说的简单，你也写一个啊。囧死了。现在的娃子。

5 楼 rainsf 2008-11-24 23:42

这就是MapReduce,先切分数据交由不同的机器去处理，然后归约。博大精深，Hadoop就是Java版的MapReduce，值得研究。

4 楼 strongkill 2008-11-24 23:23

lazy 写道

单纯的计算，每台电脑只负责256GB数据排序，每小时43G，每分钟700M，每秒不到12M。

平均起来是每秒不到12M，但你不需要考虑这12M跟其它数据的关系吗？？单独处理。。。这样有意义吗？

3 楼 iceboundrock 2008-11-24 16:36

lazy 写道

单纯的计算，每台电脑只负责256GB数据排序，每小时43G，每分钟700M，每秒不到12M。

问题是你如何把1PB乱序数据切成大致有序的4000块

2 楼 lazy 2008-11-24 15:46

单纯的计算，每台电脑只负责256GB数据排序，每小时43G，每分钟700M，每秒不到12M。

1 楼 satan_smile 2008-11-24 15:09

有点高深的东西

发表评论

您还没有登录,请您登录后再发表评论

10顶3踩