Document

Report
指導教授:陳弘明、陳世穎
報告者:謝翔倫
System Software and Network Multimedia Lab
目錄
 前言
 相關研究
 Hadoop
 HDFS
 MapReduce
 HBase
 研究方法
 系統架構
 系統環境
 子系統介紹
 實驗結果
 結論
 未來展望
System Software and Network Multimedia Lab
2
前言(1/2)
 大台灣旅遊網具備完整、豐富且具深度之台灣觀光旅
遊資訊
 10年多下來累積超過20萬筆觀光旅遊資訊
 缺乏統計分析數據,讓管理者進行決策參考
 傳統的資料處理方式無法負荷如此巨量的資料處理
System Software and Network Multimedia Lab
3
前言(2/2)
 因上述需求和問題,透過本研究
 利用巨量儲存技術,解決傳統資料庫無法處理的企業問
題
 使用資料平行化處理技術,使其在執行相關分析、統計
與資料挖掘等技術時,能加速處理
System Software and Network Multimedia Lab
4
相關研究(1/5)- Hadoop
 雲端運算平台
 Apache 開放原始碼專案
 整合相關子架構
 HDFS、MapReduce、HBase等
 使用JAVA開發
 可執行在由一般PC所架設的叢集環境
System Software and Network Multimedia Lab
5
相關研究(2/5)- HDFS
 Hadoop 分散式檔案系統
 Hadoop Distributed File System(HDFS)
 為主從式架構
 一個目錄節點(Name Node)與數個資料節點(Data Nodes)
 Name Node
 存放文件的訊息(如檔名、路徑、副本數量)
 Data Nodes
 存放文件本身的資料(被分割成多個區塊)
 資料存取特性
 Write-once-read-many 存取模式
System Software and Network Multimedia Lab
6
相關技術(3/5)-HDFS
NameNode
File: /Tranews/tnews_all.csv ─ copies:1, blocks:{1,3,4,6,7}
File :/users/input/myFile ─ copies:3, blocks:{2,5}
DataNode
1
3
2
DataNode
5
6
7
5
DataNode
2
4
System Software and Network Multimedia Lab
2
5
7
相關研究(4/5)-MapReduce
 MapReduce 是由 Google 所引進的軟體框架
 使用者僅需專注於定義Map與Reduce函數
Map 階段
Reduce 階段
Sort / copy
Input
Split 0
Map
function
Merge
Reduce
function
Output 0
Split 1
Map
function
Merge
Reduce
function
Output 1
System Software and Network Multimedia Lab
8
相關研究(5/5)-HBase
 NoSQL的儲存系統
 類似表格的資料結構
 分散式資料庫
 儲存結構上每個紀錄單元可分為
 RowKey(類似主鍵)
 ColumnFamily:Qualifier(表格群組與單一欄位)
 Value
 TimeStamp(時間戳記)
 以HDFS為基礎
 可提供Hadoop MapReduc程式設計
System Software and Network Multimedia Lab
9
研究方法-系統架構
雲端巨量資料處理系統
巨量資料儲存子系統
資
料
擷
取
模
組
資
料
轉
換
模
組
資
料
傳
輸
模
組
巨量資料分析子系統
巨
量
資
料
平
行
處
理
模
組
資
料
傳
輸
模
組
巨量資料原型子系統
資
料
儲
存
模
組
System Software and Network Multimedia Lab
資
料
處
理
分
析
模
組
資
料
傳
輸
模
組
10
研究方法-系統環境
 1個Master與3個Slaves
 硬體:Intel X86 Compatible Server Platform.
 OS:Linux Ubuntu-12.04版以上(含)
 Web Server:Apache Server 1.3.x版以上(含)
 網頁應用程式:PHP開發
 Database:Hbase-0.94.0
 Hadoop版本1.0.3
 Mapper數量:6
 Reducer數量:6
 區塊大小:64 MB
 最低複本數量:3
System Software and Network Multimedia Lab
11
研究方法-子系統介紹
 巨量資料原型子系統
 透過本子系統建置各原
型模組
 Hadoop各項參數為上
述之規格
Company01
巨量文件
傳送
傳送
傳送
Company02
Company03
Company04
儲存
儲存
儲存
HBase
網路
網路
網路
使用者
使用者
使用者
System Software and Network Multimedia Lab
12
研究方法-子系統介紹
 巨量資料儲存子系統
 使用HBase 作為儲存系統
 其模組流程圖為
Raw Data
資料擷取
模組
資料轉換
模組
HBase
儲存系統
資料傳輸
模組
前端網頁
瀏覽
 主要儲存三項HBase表格



原始資料表
分析結果資料表
提供查詢資料表
System Software and Network Multimedia Lab
13
研究方法-子系統介紹
 巨量資料分析子系統
 使用MapReduce作為分析巨量資料之主要技術
 其模組流程圖為
HBase
原始表格
巨量資料平行
處理模組
HBase
分析結果表格
資料傳輸
模組
前端網頁
瀏覽
 主要功能



使用WiKi之台灣各地旅遊景點為關鍵字
對旅遊文章進行全文檢索以及關鍵字標記
對旅遊文章進行關鍵字統計
System Software and Network Multimedia Lab
14
實驗結果
 全文檢索及關鍵字標記
System Software and Network Multimedia Lab
15
實驗結果
 關鍵字統計
System Software and Network Multimedia Lab
16
實驗結果
 原文比較
System Software and Network Multimedia Lab
17
實驗結果
 文章關鍵字排名
System Software and Network Multimedia Lab
18
結論
 本研究透過開放式原始碼Hadoop平台建構以
MapReduce軟體架構處理巨量資料分析之系統
 提供使用者針對熱門關鍵字進行文章推薦之加值服務
 提供使用者針對文章內的關鍵字進行相關文章之推薦
服務
 根據統計出來的熱門景點變化做出景點分析提供更精
確的旅遊分析資訊
System Software and Network Multimedia Lab
19
未來展望
 透過旅遊網站後台連線紀錄掌握使用者的需求
 瀏覽行為
 喜好關聯性分析
 了解使用者主要瀏覽的類型、主題
 未來本系統不只應用在旅遊市場上面,有可能會結合
其他不同種類型的巨量資料,去開闢及尋找不同的新
市場和新方向。
System Software and Network Multimedia Lab
20
System Software and Network Multimedia Lab
21
Write-once-read-many
 避免因資料改寫而造成大量的更改時間
 更改該文件分散在檔案系統中的所有Block
System Software and Network Multimedia Lab
22

similar documents