<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[npucloud的专栏]]></title><description><![CDATA[西北工业大学云数据管理研究组技术博客]]></description><link>https://blog.youkuaiyun.com/npucloud</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; npucloud]]></copyright><item><title><![CDATA[Hadoop0.21.0源码流程分析(3)-Task节点管理启动任务]]></title><link>https://blog.youkuaiyun.com/npucloud/article/details/6597867</link><guid>https://blog.youkuaiyun.com/npucloud/article/details/6597867</guid><author>npucloud</author><pubDate>Mon, 11 Jul 2011 15:55:26 +0800</pubDate><description><![CDATA[源码流程分析3-Task节点管理启动任务 1.     代码执行流程1)       TaskTracker的启动的时候会加载所有信息，包括利用RPC获得JobTracker 的RPC变量定义为jobClient；TaskTracker.run()方法会去循环向JobTracke]]></description><category></category></item><item><title><![CDATA[Hadoop0.21.0源码流程分析(2)-主节点接收作业]]></title><link>https://blog.youkuaiyun.com/npucloud/article/details/6544834</link><guid>https://blog.youkuaiyun.com/npucloud/article/details/6544834</guid><author>npucloud</author><pubDate>Tue, 14 Jun 2011 22:08:00 +0800</pubDate><description><![CDATA[JobTracker功能概述      JobTracker负责调度job的每一个子任务task运行于slave上，并监控它们，如果发现有失败的task就重新运行它。JobTracker一直在等待JobClient通过RPC提交作业,而TaskTracker一直通过RPC]]></description><category></category></item><item><title><![CDATA[Hadoop源代码分析【RPC】]]></title><link>https://blog.youkuaiyun.com/npucloud/article/details/6541577</link><guid>https://blog.youkuaiyun.com/npucloud/article/details/6541577</guid><author>npucloud</author><pubDate>Mon, 13 Jun 2011 16:07:00 +0800</pubDate><description><![CDATA[RPC采用客户机/服务器模式。请求程序就是一个客户机，而服务提供程序就是一个服务器。当我们讨论HDFS的，通信可能发生在： Client-NameNode之间，其中NameNode是服务器Client-DataNode之间，其中DataNode是服务器DataNode-NameNode之间，其中NameNode是服务器DataNode-DateNode之间，]]></description><category></category></item><item><title><![CDATA[Hadoop0.21.0源码流程分析(1)-客户端提交作业]]></title><link>https://blog.youkuaiyun.com/npucloud/article/details/6450921</link><guid>https://blog.youkuaiyun.com/npucloud/article/details/6450921</guid><author>npucloud</author><pubDate>Fri, 27 May 2011 20:50:00 +0800</pubDate><description><![CDATA[Hadoop0.21.0源码流程分析(1)-客户端提交作业]]></description><category></category></item><item><title><![CDATA[TeraSort实验--测试Map和Reduce Task数量对Hadoop性能的影响 ]]></title><link>https://blog.youkuaiyun.com/npucloud/article/details/6432145</link><guid>https://blog.youkuaiyun.com/npucloud/article/details/6432145</guid><author>npucloud</author><pubDate>Thu, 19 May 2011 14:53:00 +0800</pubDate><description><![CDATA[通过Hadoop自带的Terasort排序程序，测试不同的map task和reduce task数量，对Hadoop性能的影响。]]></description><category></category></item><item><title><![CDATA[Hadoop性能调优(二)--Map and Reduce tasks 数量]]></title><link>https://blog.youkuaiyun.com/npucloud/article/details/6429692</link><guid>https://blog.youkuaiyun.com/npucloud/article/details/6429692</guid><author>npucloud</author><pubDate>Wed, 18 May 2011 15:31:00 +0800</pubDate><description><![CDATA[Map and Reduce tasks 数量对性能的影响]]></description><category></category></item><item><title><![CDATA[Hadoop性能调优(一)--总述]]></title><link>https://blog.youkuaiyun.com/npucloud/article/details/6429688</link><guid>https://blog.youkuaiyun.com/npucloud/article/details/6429688</guid><author>npucloud</author><pubDate>Wed, 18 May 2011 15:30:00 +0800</pubDate><description><![CDATA[根据yahoo架构师Milind Bhandarkar在《Hadoop Application Performance Tuning》中的阐述，Hadoop的性能调优主要分为以下六个方面：• Changing number of Map and Reduce tasks• Decrease Intermediate data size using combiner• Decrease map-side disk spill• Decrease intermediate data size by compre]]></description><category></category></item><item><title><![CDATA[Hadoop中TeraSort算法分析]]></title><link>https://blog.youkuaiyun.com/npucloud/article/details/6429684</link><guid>https://blog.youkuaiyun.com/npucloud/article/details/6429684</guid><author>npucloud</author><pubDate>Wed, 18 May 2011 15:29:00 +0800</pubDate><description><![CDATA[<br /><br />1、概述<br />1TB排序通常用于衡量分布式数据处理框架的数据处理能力。Terasort是Hadoop中的的一个排序作业，在2008年，Hadoop在1TB排序基准评估中赢得第一名 ，耗时209秒。那么Terasort在Hadoop中是怎样实现的呢？本文主要从算法设计角度分析Terasort作业。<br />2、算法思想<br />实际上，当我们要把传统的串行排序算法设计成并行的排序算法时，通常会想到分而治之的策略，即：把要排序的数据划成M个数据块（可以用Hash的方 法做到），]]></description><category></category></item><item><title><![CDATA[HadoopDB集群配置方法]]></title><link>https://blog.youkuaiyun.com/npucloud/article/details/6414112</link><guid>https://blog.youkuaiyun.com/npucloud/article/details/6414112</guid><author>npucloud</author><pubDate>Thu, 12 May 2011 11:26:00 +0800</pubDate><description><![CDATA[Author:谢

本文介绍在2个节点上安装配置HadoopDB方法。各节点的名称分别为Cluster01(192.168.0.1)，Cluster02(192.168.0.2)。
以下若是用 hadoop@Cluster0X:~ 代表 Cluster01 ~ Cluster02 都要做的.

参考资料1：HadoopDB Quick Start Guide
参考资料2：HadoopDB安装使用]]></description><category></category></item><item><title><![CDATA[Hadoop0.21.0源码编译方法]]></title><link>https://blog.youkuaiyun.com/npucloud/article/details/6414072</link><guid>https://blog.youkuaiyun.com/npucloud/article/details/6414072</guid><author>npucloud</author><pubDate>Thu, 12 May 2011 11:16:00 +0800</pubDate><description><![CDATA[Author:谢

本文介绍在Linux下使用eclipse编译Hadoop0.21.0源码
]]></description><category></category></item></channel></rss>