Question

假设有N个单词集，我想从这些集创建一个映射，以便将单词映射到所有这些集中出现的单词数。

例如：

N = 3
S1 = {"a", "b", "c"}, S2 = {"a", "b", "d"}, S3 = {"a", "c", "e"}
M = { "a" -> 3, "b" -> 2, "c" -> 2, "d" -> 1, "e" -> 1}

现在我有M台电脑可供使用。因此，我可以让每台计算机从N/M集创建一个地图。在第二个（最后）阶段，我可以从M地图创建一个地图。看起来像map/reduce。是否有意义？你会如何改进这种方法？

Answer 1

这是标准的地图缩减示例。

例如，这里是基于mincemeat map/reduce library的Python代码：

#!/usr/bin/env python
import mincemeat

S1 = {"a", "b", "c"}
S2 = {"a", "b", "d"}
S3 = {"a", "c", "e"}

datasource = dict(enumerate([S1,S2,S3]))

def mapfn(k, v):
    for w in v:
        yield w, 1

def reducefn(k, vs):
    result = sum(vs)
    return result

s = mincemeat.Server()
s.datasource = datasource
s.mapfn = mapfn
s.reducefn = reducefn

results = s.run_server(password="changeme")
print results

打印

{'a': 3, 'c': 2, 'b': 2, 'e': 1, 'd': 1}

请注意，map / reduce的结构化方式意味着服务器在完成任务时为客户提供新任务。

这意味着不一定将N / M任务固定分区到每个客户端。

如果一个客户端比其他客户端更快，那么最终将获得更多任务以充分利用可用资源。

使用Map / Reduce从多个集合创建地图

1 个答案: