面向MapReduce计算的大规模集群通信优化

分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2019-01-28 合作期刊: 《计算机应用研究》

曹云鹏 王海峰 刘海涛 何淑庆

摘要： 为了优化大规模集群运行MapReduce作业时的通信效率和减少Shuffle数据传输量。首先采用存储局部性换取通信局部性的策略，建立一个分布式协同数据映射模型；其次通过随机抽样和机器学习方法来提取作业数据的局部性特征，实现map计算数据的有效部署；最后，利用软件定义网络的全局灵活控制能力，优选通信链路好的节点并将计算任务映射到该类节点中。实验表明对于中间数据混洗密集类作业有较好的优化效果，通信延迟降低了4.3%~5.8%。该方案能减少Shuffle流量和数据迁移延迟，并且适合各种调度策略和网络拓扑结构。

通过

 点击量 2304  下载量 1167  评论 0