MapReduce设计模式.pdf

hadoop并行计算mapreduce详解 很宝贵的大数据方向的学习资料。非常适合专注技术层次的人员学习。想要更多资源请关注。

基于随机游走的社团发现算法Hadoop版 以及一个graph生成程序。整个是个eclipse项目，没有把lib放上来。内容在 http://blog.csdn.net/lgnlgn/article/details/6561876 的下一篇博客

MapReduce-KNN Hadoop MapReduce的K最近邻居实现 这是一个旨在与MapReduce框架一起使用的Java程序。 在此示例中，将K最近邻分类方法（有监督的机器学习）应用于有关汽车类型和购买者特征的一些样本数据，以便用可能的汽车模型对购买者进行分类。 用法： hadoop jar KnnPattern.jar KnnPattern /home/mhi/knn/CarOwners.csv / home / mhi / knn / res /home/mhi/knn/KnnParams.txt KnnPattern.jar –包含源代码的jar文件。 KnnPattern –程序中的顶级类，包含Mapper和Reducer类以及main（）方法。 第一个参数：/home/mhi/knn/CarOwners.csv –数据输入文件在HDFS中的位置。 第二个

Hadoop_MapReduce 使用Hadoop进行大数据处理 该项目在Hadoop框架上使用Map-Reduce从零开始实现基本的文本处理任务，例如字数，n元语法，倒排索引，关系连接和k近邻算法。

完整的MapReduce程序代码 jar包 输入文件 以及输出结果

运行说明：在linux终端输入 $ hadoop jar test-1.0-SNAPSHOT.jar WordCount /input/* /MyOutput1/ 后两个参数是hdfs上面【输入】的文本文件目录和【输出】目录。 记得清空输出目录。

mapreduce的简单求平均数的例子,打成了jar包，可以直接在集群上运行

MapReduce求平均值示例程序，并且程序里利用了logger类，可以将调试信息输出到mapreduce的日志，可以根据输出信息了解运行机制

针对当前一般档案信息数据库检索系统存在检索覆盖率低、检索延迟时间长的问题，设计一种基于MapReduce的档案信息数据库快速检索系统。研究设计分为四部分：搭建系统框架、选择系统硬件、设计MapReduce运算程序、系统应用分析。实验结果表明：利用基于MapReduce的系统进行档案信息数据库快速检索，平均检索覆盖率达到96.64%，平均检索延迟仅为12.36 s，这一结果要好于基于Lucene、B/S两种架构设计的一般档案信息数据库检索系统检索效果，由此可知本系统能在更短的时间内实现更为全面的档案信息搜索。