The map and reduce phases of MapRed

The map and reduce phases of MapReduce split up the computing job
into chunks that standard machines can process in a short time. The various
steps of MapReduce are shown in Figure 4.5 and an example on a collection
consisting of two documents is shown in Figure 4.6. First, the input data,in our case a collection of web pages, are split into n splits where the size of
the split is chosen to ensure that the work can be distributed evenly (chunks
should not be too large) and efficiently (the total number of chunks we need
to manage should not be too large); 16 or 64 MB are good sizes in distributed
indexing. Splits are not preassigned to machines, but are instead assigned
by the master node on an ongoing basis: As a machine finishes processing
one split, it is assigned the next one. If a machine dies or becomes a laggard
due to hardware problems, the split it is working on is simply reassigned to
another machine.

Results (Thai) 1:

แผนที่ และลดขั้นตอนของแบ่งงานคอมพิวเตอร์ MapReduce
เป็นก้อนที่มาตรฐานเครื่องสามารถประมวลผลในเวลาอันสั้น ต่าง ๆ
ตอน MapReduce จะแสดงในรูปที่ 4.5 ตัวอย่างในคอลเลกชัน
ประกอบด้วยสองเอกสารจะแสดงในรูป 4.6 ครั้งแรก ข้อมูลที่ป้อนเข้า ในกรณีที่เก็บเว็บเพจ แบ่งออกเป็น n แยกขนาดของ
แบ่งเพื่อให้แน่ใจว่า สามารถกระจายการทำงานเท่า ๆ กัน (ก้อน
ไม่ควรใหญ่เกินไป) และ efficiently (จำนวนก้อนที่เราต้องการ
จัดการไม่ควรใหญ่เกินไป); 16 หรือ 64 MB เป็นขนาดที่ดีในการกระจาย
ทำดัชนี แยกไม่ได้ preassigned กับเครื่อง แต่ได้รับมอบหมายแทน
โดยโหนหลักอย่างต่อเนื่อง: เป็นการประมวลผล finishes เครื่อง
แบ่งหนึ่ง จะมีกำหนดถัดไป ถ้าเครื่องตาย หรือกลายเป็น laggard
เนื่องจากปัญหาเกี่ยวกับฮาร์ดแวร์ แยกการทำงานบนเป็นเพียงกำหนดให้
เครื่องอื่น

Results (Thai) 2:

แผนที่และลดขั้นตอนของ MapReduce แยกงานคอมพิวเตอร์
เป็นชิ้นที่เครื่องมาตรฐานสามารถประมวลผลได้ในเวลาอันสั้น ต่างๆ
ตามขั้นตอนของ MapReduce จะแสดงในรูปที่ 4.5 และตัวอย่างในการเก็บ
ประกอบด้วยสองเอกสารที่จะแสดงในรูปที่ 4.6 ขั้นแรกให้ป้อนข้อมูลในกรณีของเราชุดของหน้าเว็บที่มีการแบ่งออกเป็น n ที่แยกขนาดของ
แยกถูกเลือกเพื่อให้แน่ใจว่าการทำงานที่สามารถกระจายอย่างสม่ำเสมอ (ชิ้น
ไม่ควรมีขนาดใหญ่เกินไป) และมีประสิทธิภาพ (รวม จำนวนชิ้นที่เราต้องการ
ในการจัดการไม่ควรมีขนาดใหญ่เกินไป); 16 หรือ 64 MB เป็นขนาดที่ดีในการกระจาย
การจัดทำดัชนี แยกไม่ได้แลนด์โรเวอร์กับเครื่อง แต่ที่ได้รับมอบหมายแทน
โดยโหนดหลักอย่างต่อเนื่อง: เป็นเครื่องประมวลผลเสร็จสิ้น
หนึ่งแยกก็จะมีการกำหนดอย่างใดอย่างหนึ่งต่อไป ถ้าเครื่องตายหรือกลายเป็นคนล้าหลัง
เนื่องจากปัญหาฮาร์ดแวร์แยกมันคือการทำงานในการกำหนดเพียงเพื่อ
เครื่องอื่น

Results (Thai) 3:

แผนที่และลดระยะของ mapreduce แบ่งคอมพิวเตอร์งาน
เป็นชิ้นที่เครื่องมาตรฐานสามารถประมวลผลได้ในเวลาอันสั้น ขั้นตอนต่าง ๆของ mapreduce
จะแสดงในรูปที่ 4.5 และตัวอย่างคอลเลกชัน
ประกอบด้วยสองเอกสารที่แสดงไว้ในรูปที่ 4.6 . แรก , ข้อมูลเข้า ในกรณีของเรา คอลเลกชันของหน้าเว็บ จะแบ่งเป็นแยกที่ขนาด
nแยกเป็นเลือกเพื่อให้แน่ใจว่าการทำงานสามารถกระจาย ( ชิ้น
ไม่ควรมีขนาดใหญ่เกินไป ) และ EF จึง ciently ( จำนวนชิ้นที่เราต้องการ
การจัดการไม่ควรมีขนาดใหญ่เกินไป ) ; 16 หรือ 64 MB เป็นขนาดที่ดี
ดัชนีการกระจาย แยกไม่ preassigned กับเครื่องจักร แต่แทนที่จะได้รับมอบหมาย
โดยเจ้านายโหนดบนพื้นฐานอย่างต่อเนื่อง : เป็นเครื่องจึง nishes การประมวลผล
หนึ่งแยกมันได้รับมอบหมายต่อไป ถ้าเครื่องตายหรือกลายเป็นล้าหลัง
เนื่องจากปัญหาฮาร์ดแวร์ แบ่งกันทำงานเป็นเพียงไป

เครื่องอื่น