基于YARN的分布式搜索引擎設(shè)計(jì)與實(shí)現(xiàn).pdf_第1頁(yè)
已閱讀1頁(yè)，還剩68頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著信息時(shí)代的到來(lái)，互聯(lián)網(wǎng)上的信息爆發(fā)式的增長(zhǎng)，我們?nèi)粘Ｊ褂玫乃阉饕嫘枰獧z索的內(nèi)容信息量也隨著迅速增加。整個(gè)世界的信息數(shù)據(jù)總量在2011年就已經(jīng)超過(guò)了1.2ZB，并且根據(jù)國(guó)際數(shù)據(jù)公司IDC的預(yù)測(cè)，世界信息量2020年也將超過(guò)35ZB。在這種數(shù)據(jù)量下，傳統(tǒng)的單機(jī)搜索引擎的索引的數(shù)據(jù)量已經(jīng)不能滿足人們的要求，搜索引擎的研究現(xiàn)在紛紛轉(zhuǎn)向了分布式。在Google發(fā)表三篇關(guān)于分布式系統(tǒng)的論文即HDFS、MapReduce和BigTable之后，

2、Apache基于這三篇論文開(kāi)發(fā)了開(kāi)源的Hadoop系統(tǒng)。作為Hadoop框架的第二代產(chǎn)品，Hadoop YARN解決了在Hadoop老版系統(tǒng)在線程模型、內(nèi)存消耗和使用效率、系統(tǒng)的可擴(kuò)展性、系統(tǒng)的可靠性和性能上的缺陷，在此基礎(chǔ)上進(jìn)一步提升了新版MapReduce編程框架的執(zhí)行效率。
　　本文在Hadoop YARN框架的基礎(chǔ)上結(jié)合Lucene全文索引工具包、Zookeeper分布式系統(tǒng)同步工具、Memcached分布式緩存系統(tǒng)，構(gòu)建

3、了分布式搜索引擎NKCareerSearch。利用此系統(tǒng)不僅可以研究Hadoop YARN這一新技術(shù)，同時(shí)也可以在此基礎(chǔ)上開(kāi)展分布式搜索引擎緩存設(shè)計(jì)、分布式倒排索引存儲(chǔ)等搜索技術(shù)的研究。
　　本文詳細(xì)分析介紹搜索引擎的原理和工作流程并對(duì)Hadoop YARN平臺(tái)的架構(gòu)和優(yōu)勢(shì)給出了詳盡的分析。在此基礎(chǔ)上本文給出了在Hadoop YARN框架上使用MapReduce編程模型實(shí)現(xiàn)分布式爬蟲(chóng)和分布式索引模塊的詳細(xì)設(shè)計(jì)和實(shí)現(xiàn)。在使用Zook

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論