基于MapReduce的分布式ETL过程的研究与优化

来源 :东华大学 | 被引量 : 7次 | 上传用户:danxiaoni
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
现代社会的信息量日益增加,众多企业为了能更好地应对大数据时代商业环境的变化,需要建立数据仓库,对已有的业务数据及外部数据进行及时处理分析,从中发掘具有价值的商业信息,方便企业决策者快速正确地做出经营决策。在数据仓库中,ETL过程占了70%以上的工作量,所以对ETL的研究与优化具有重要的意义。随着大数据时代的到来,数据呈爆炸式增长,传统的ETL面临巨大的挑战,不仅价格昂贵而且采用集中式架构,处理效率低下。为了提高海量数据的处理效率,基于MapReduce框架的分布式ETL在企业中广泛应用。Map Reduce框架具有高扩展性,高容错性等优点,并采用并行方式处理数据,操作简单,能大大提高数据处理效率。ETL数据处理主要是事实数据的处理和维度数据的处理,其中,维度数据是数据分析的重要组成部分。而维度数据中的渐变维度数据较为复杂,本文运用大数据分布式ETL处理技术和Map Reduce作业调度算法知识,重点研究了在分布式ETL中的维度数据并行处理优化以及MapReduce作业调度的优化。本文的主要研究内容以及实现的工作如下:(1)研究了分布式ETL技术和Map Reduce作业调度算法的现状,阐述了本文研究的意义。对MapReduce编程模型、分布式ETL技术、数据分割策略、渐变维度数据更新策略以及MapReduce作业调度算法进行了深入的研究与分析。(2)渐变维度数据并行处理研究。针对渐变维度数据在map/reduce处理过程中产生的大量网络传输开销,提出了MOAP(Map-only and Partition)算法。将reduce任务本地化操作,具有相同业务键的数据被放在同一个计算节点进行计算。为了方便后续增量数据的处理,处理完的数据依然按照业务键值分区存放。实验以Type-1和Type-2渐变维度数据为实验对象,分别比较了在初始化时和进行增量加载两种情况下,Type-1和Type-2这两类渐变维度数据使用MOAP算法和不使用MOAP算法处理时所需要的时间。实验结果表明,使用该算法时,由于减少了网络传输开销,处理这两类渐变维度数据时时间明显减少,ETL的执行效率也得到了提高。(3)reduce任务调度算法研究。针对小作业的reduce任务饥饿问题以及资源利用率低问题,提出了SBOTA算法,在已有的公平调度器中嵌入SBOTA算法,对大任务和小任务采取交替调度策略。实验中,将使用公平调度算法和使用SBOTA调度算法进行比较,发现本文提出的SBOTA算法不仅减少了大任务和小任务的处理时间,也提高了CPU和内存资源的利用率。(4)基于MapReduce的分布式ETL的应用。针对已有的数据分析决策系统的缺点,设计了新的数据分析决策系统,对系统架构,事实表及维度表进行了分析介绍,并将本文提出的算法应用到新的数据分析决策系统,加快了中间数据的处理。
其他文献
以广河高速互通主线桥为例,首先对工程概况做出简要介绍,然后介绍了该工程连接部施工方法与主要内容,然后分析了施工期间对交通的影响及要求以及梁板吊装工具的选择及使用情
ue*M#’#dkB4##8#”专利申请号:00109“7公开号:1278062申请日:00.06.23公开日:00.12.27申请人地址:(100084川C京市海淀区清华园申请人:清华大学发明人:隋森芳文摘:本发明属于生物技
ue*M#’#dkB4##8#”专利申请号:00109“7公开号:1278062申请日:00.06.23公开日:00.12.27申请人地址:(100084川C京市海淀区清华园申请人:清华大学发明人:隋森芳文摘:本发明属于生物技
桡骨远端骨折临床常见,多系由间接暴力跌伤所致,按照跌伤时的体位,大致可以将其分为伸直型和屈曲型两种。但是,目前对桡骨远端骨折的认识和应用,仅停留在定性的水平上,本文试图对此
本文通过数据分析了昌吉州畜禽养殖业污染源分布情况、畜禽养殖业污染源产生、排放、处理情况、提出了对养殖业污染物处理的建议。
新时代背景下,中国共产党关于三农如何发展有很多新思想。这些思想相互联系起来构成了现阶段中国共产党解决农村全面小康,实现农业、农村、农民现代化的基本思路,是习近平新
神经性尿频,确切地说应为"精神性尿频".泌尿系统无器质性和功能上的异常,与排尿有关的神经系统也无病变存在,是由精神因素引起的一种排尿异常表现.药物治疗起不到效果,应以心
顽固性头痛是临床上常见的疑难病症,在我国一般人群中发病率约5%,女性发病率高于男性,其发病症状典型,病程较长,时作时止,且反复发作,经久不愈,严重影响患者的生活质量[1]。
膀胱肿瘤70%~80%为浅表性膀胱癌,其发病率及病死率在泌尿系统肿瘤中均占首位,其术后复发率高达50%~70%,通常在术后1年内复发。行化疗药物膀胱灌注是浅表性膀胱癌术后预防复发最常用的
案例简介焦某是某市委常委兼A区区委书记。房某是A区区委常委、组织部长。2007年7月14日,A区副区长段某因轰动全国的“黑砖窑”事件受到行政撤职和党内严重警告处分。2008年2