MapReduce.

Apresentação em tema: "MapReduce."— Transcrição da apresentação:

1 MapReduce

2 HISTÓRICO, MOTIVAÇÃO E CENÁRIO
Grande quantidade de dados criou uma necessidade de maior poder computacional; Impossibilidade de aumentar a capacidade de processamento de um único processador. Solução: paralelização!

3 HISTÓRICO, MOTIVAÇÃO E CENÁRIO
Gráfico 1, obtido com dados de [6]

4 HISTÓRICO, MOTIVAÇÃO E CENÁRIO
Na Google®, as paralelizações nos algoritmos eram feitas caso a caso. Em cada caso, problemas comuns a todas as paralelizações tinham de ser resolvidos. Como fazer um modelo de paralelizações que não necessite de novas implementações para cada caso?

5 CONCEITO: PARALELIZAÇÃO
Paralelizar um algoritmo é executar partes diferentes dele em unidades de processamento diferentes e obter um menor tempo de execução.

6 CONCEITO: PARALELIZAÇÃO
Figura 2 – A paralelização de um processamento

7 CONCEITO: PARALELIZAÇÃO
PROBLEMAS: Como designar processamento aos processadores? Como garantir exclusão mútua onde for necessário? Como fazer o algoritmo paralelo ter os mesmos resultados do original? SINCRONIZAÇÃO!

8 CONCEITO: COMPUTAÇÃO DISTRIBUÍDA
Sistema Paralelo: computador com diversos processadores que compartilham áreas da memória e discos. Sistema distribuído: diversos computadores ligados em rede, capazes de executar algoritmos paralelos. Chamado também de cluster. Cada processador de um cluster é chamado de nó.

9 O modelo mapreduce Abstração que permite que o usuário seja isolado da camada de paralelização. [1] A paralelização depende da implementação do modelo MapReduce. Na implementação que devem estar garantidas as propriedades do sistema (integridade, disponibilidade, controle de acesso, não-repúdio, confidencialidade, autenticação e privacidade).

10 MAPREDUCE: VISÃO DO USUÁRIO
Usuário programa duas funções: map(chave, valor) -> (chaveInt , valorInt) reduce(chaveInt, valoresInt) -> (saídas)

11 Map(chave, valor) A função map(chave, valor) recebe como parâmetro de entrada um par (chave, valor) e emite na saída um par (chave intermediária, valor intermediário).

12 Reduce(chaveInt, valoresint)
A função reduce recebe o conjunto de valores intermediários valoresInt (saídas da função map) que estão associados à mesma chave intermediária chaveInt e emite como saída os valores finais na saída para a mesma chave.

13 A IMPLEMENTAÇÃO DO MAPREDUCE
Diversas implementações são possíveis: Cenários diferentes demandam implementações diferentes.

14 A IMPLEMENTAÇÃO DA GOOGLE®
Características dos cluster’s disponíveis: Dispositivos de rede e processamento comuns (x86 dual-core, discos IDE); Cluster com centenas ou milhares de nós. Sistema de arquivos distribuído próprio, o GFS [5]

15 A IMPLEMENTAÇÃO DA GOOGLE® (2)
Usuário implementa as funções map e reduce e chama uma função MapReduce dentro do próprio programa A implementação fragmenta o arquivo de entrada do usuário (64 MB/parte) As funções map e reduce são copiadas para os nós do cluster Mestre X trabalhadores

16 A IMPLEMENTAÇÃO DA GOOGLE® (3)
O mestre: tarefas a trabalhadores ociosos. Trabalhadores mappers recebem um fragmento do arquivo de entrada cada, extraem uma chave e valor dele e chamam a função map. Pares intermediários ficam guardados na memória Escritos em disco periodicamente Mestre toma nota dos locais dos pares intermediários.

17 A IMPLEMENTAÇÃO DA GOOGLE® (4)
O mestre designa um nó para a tarefa de reduce com os locais dos valores intermediários da sua chave. O nó de redução lê todos os valores intermediários relacionados àquela chave intermediária e chama a função reduce, que é executada e escreve em um arquivo de saída o resultado final da execução. Implementação retorna ao programa do usuário

18 A IMPLEMENTAÇÃO DA GOOGLE® (5)
Figura 3 – Esquema da implementação da Google®

19 Hadoop Uma implementação de código aberto do modelo MapReduce [4]
Utiliza interfaces Java® para o programador implementar as funções map e reduce. Muito parecido com a implementação da Google ®, mas é flexível com relação às máquinas em que roda.

20 Ambientes oportunísticos
Ciclos ociosos de máquinas podem ser usados para executar tarefas de map/reduce. Projeto MOON[7] Recursos disponíveis por curtíssimos períodos de tempo

21 Trabalhos futuros Implementação simplificada de MapReduce
Ambientes oportunísticos como serviço: Como garantir um bom serviço? Executar código de interesse nas máquinas de usuários de aplicativos web.

22 REFERÊNCIAS [1] DEAN, Jeffrey; GHEMAWAT, Sanjay. MapReduce: Simplied Data Processing on Large Clusters. Communications of the ACM, v. 51, n. 1, p , jan Disponível em: < d_dlcp/research.google.com/pt-BR//archive/mapreduce- osdi04.pdf>. Acesso em: 23 maio [2] LÄMMEL, Ralf. Google's MapReduce Programming Model - Revisited. Science of Computer Programming, v.70, n. 1, p. 1-30, jan Disponível em: < uce_Revisited.pdf>. Acesso em: 23 maio 2012.

23 REFERÊNCIAS (2) [3] VENKATESH, Kirpal A.; NEELAMEGAM, K.; REVATHY, R. Usando MapReduce e balanceamento de carga em nuvens, out Disponível em: < mapreduce/#N1010A>. Acesso em: 24 abr [4] HADOOP. Hadoop documentation. Disponível em: < Acesso em: 24 abr [5] GHEMAWAT, Sanjay; GOBIOFF, Howard; LEUNG, Shun-Tak. The Google File System.ACM SIGOPS Operating Systems Review - SOSP '03, v. 37, n.5, p , dez Disponível em: < Acesso em: 23 maio 2012.

24 REFERÊNCIAS (3) [6] INTEL. Microprocessor Quick Reference Guide. Disponível em: < Acesso em: 23 maio [7] Heshan Lin; ARCHULETA, Jeremy; Xiaosong Ma; Wu-chun Feng; Zhe Zhang; GARDNER, Mark. MOON: MapReduce On Opportunistic eNvironments. Proceedings of the 19th ACM International Symposium on High Performance Distributed Computing - ACM HPDC '10, p , Disponível em: < Acesso em: 24 maio 2012.