作者:輕風斬情絲 | 来源:互联网 | 2023-09-08 20:30
Google三大论文读后感
大数据这个词,很难对此进行明确的定义。通俗的来说,他就是我们身边的一切,眼睛所看到的,耳朵所听到的,鼻子闻到的,感觉器官所感觉到的以及一切能够描述出的信息。具体一点,我们在手机上的通话记录,聊天记录,手机电脑储存的图像视频音频,,都属于大数据的范畴。
大数据时代,我们看到的各种数据,如何储存呢?储存之后,如何原封不动的读取出来呢?谷歌提出了三篇著名的关于大数据的论文,设计并实现了文字系统,有效的处理了海量的数据。
首先是Google发布于2003年的Google File System(GFS)论文。Google GFS 文件系统是一个对大量数据进行访问的分布式文件系统。它相对于许多传统的分布式文件系统,有许多共同的特性。但由于这个设计还受到Google相关技术和环境的影响,使得这个系统同早先的文件系统存在着明显的区别。
这些区别主要表现在以下几个方面:1.数据访问时,集群中的节点失效是一种常态,而不是一种异常; 2.Google系统中的文件与我们所熟知的文件概念有区别;3.文件读写模式和传统的文件系统有区别;4.文件系统的某些具体操作不再透明,而且需要应用程序的协助完成;GFS是为Google应用程序本身而设计的。对数据进行分布式文件系统的存储,解决了大数据的存储问题。
其次,就是2004年公布的 MapReduce论文,描述了大数据的分布式计算方式,其核心思想是大事化小处理,最后在合并结果,先拆分再合并。
Mapreduce模型分map、reduce两部分。根据谷歌三篇大数据论文,MapReduce 编程模型的原理是:用户自定义的 Map 函数接受一个输入的 key/value pair 值,然后产生一个中间key/value pair 值的集合。MapReduce 库把所有具有相同中间 key 值 I 的中间 value 值集合在一起后传递给 reduce 函数。现在MapReduce已经应用到了许多不同的领域,用于高效的解决各种问题,比如大规模机器学习问题、大规模的图形计算、大规模的索引等。
最后是发布于2006年的BigTable。Bigtable是一个为管理大规模结构化数据而设计的分布式存储系统,可以扩展到PB级数据和上千台服务器。Bigtable能满足数据规模、延迟等要求,为很多产品成功地提供了灵活、高性能的存储解决方案。
Bigtable通过行关键字的字典顺序来组织数据,列族是访问控制的基本单位,时间戳用来表示精确到毫秒的“实时”时间;用户程序也可以给时间戳赋值,Bigtable还提供了修改集群,表和列族的元数据的API,比如修改访问权限。由于 BigTable的客户程序不必通过 Master 服务器来获取Tablet 的位置信息,因此,大多数客户程序甚至完全不需要和 Master 服务器通信。
GFS、MapReduce、BigTable这三大理论被称为Google的“三驾马车”,可见这三大理论的重要价值和地位。要想完全理解这三篇论文需要长期的、丰富的知识积累,作为一名大二的学生,对着三篇论文可能不能做到完全理解,但我们可以从中了解大数据的相关知识,处理这些问题使用的方法,通过学习前辈们解决这个问题的方法,丰富自己的知识积累,以便轻松地解决自己遇到的问题。同时拓宽自己的视野,了解计算机领域的相关知识。