Büyük, Dağıtık, Veri Yoğunluklu Uygulamalarda Programlama ... file yaratır ve hafızasında saklar. 4. Düzenli olarak bu key/value ikilileri,

18/10/11 GRID ÇALIŞTAYI 2007 1

Büyük, Dağıtık, Veri Yoğunluklu Uygulamalarda Programlama

Paradigmaları

Güven FidanAGMLAB Bilişim Teknolojileri


MapReduce Nedir?

• Büyük data kümelerini işlemek ve oluşturmak için bir programlama modelidir.

• Map ve Reduce fonksiyonlarını içerir.

• Büyük bilgisayar kümelerinde çalışır.

• Paralel olarak birçok MapReduce uygulaması bu kümeler üzerinde aynı anda çalışabilir.


MapReduce Nedir?

• İlk programlama kütüphanesi Google tarafından oluşturuldu.– Web içeriğini crawl etme– İçeriği parse etme– Inverted indeks oluşturma– Web grafı oluşturma ve işleme– Kullanıcı kullanım log verilerini işleme– Kümelendirme, sınıflama, vb.

• Apache MapReduce kütüphanesi: Hadoop


Programlama Modeli?

• <Input key,value> ikililerinden <Output key, value> ikilileri üretilir.

• İki temel fonksiyon belirtilir:– Map(input_key,input_value) -> (out_key,

intermediate_value)• input key/value ikilileri üzerinde çalışır

• Ara key/value ikilileri yaratır

– Reduce (out_key, intermediate_value) -> list(out_value)• Ara key/value ikilileri üzerinde çalışır

• Birleştirilmiş output değerleri kümesini yaratır


Programlama Modeli?

• Tipler:map (k1,v1) -> list(k2,v2)reduce (k2, list(v2)) -> list(v2)

• Örnek: Bir grup doküman içerisindeki her bir kelimenin frekansının hesaplanması.map(String key, String value){

// key: doküman adı// value: document içeriğifor each word w in value

EmitIntermediate(w,”1”);}reduce(String key, Iterator values){

// key: kelime// values: frekans listesiint result = 0;for each v in values

result += parseInt(v);Emit(AsString(result));

}


Programlama Modeli


Akış Modeli


Akış Modeli

1. Input M parçaya ayrılır.2. Master M map taski ve R reduce taski workerlara atar.3. Map workeri atanmış parçayı parçalar,

<intermediate_key,value> yaratır ve hafızasında saklar.

4. Düzenli olarak bu key/value ikilileri, lokal diskte R alana bölünmüş bir yerde saklanır. Master bu alanlardan haberdar edilir.

5. Reduce workeri bu geçici alanlardaki veriyi alır, sıralar.


Akış Modeli

6. Reduce workeri bu data üzerinde hareket ederek ara keyler üzerindeki valueleri gruplar ve Reduce fonksiyonunu çağırır. Sonuç sisteme yazılır.

7. Bütün map ve reduce işlemleri bitince master clienta bilgi verir.


Hataya Duyarlılık

• Durum Bilgileri:– Idle, In-progress, Completed.

• Worker Hatası– Heartbeat– Map Worker Hatası– Reduce Worker Hatası

• Master Hatası– Single Master Problemi

• Network Hataları


Dağıtık Dosya Sistemi


Performans

• Lokal dataya ulaşım– DFS üzerinde lokal data nodelarına iş atama

• Hatalı input problemleri

• Ara çıktıların sıkıştırılması

• Deterministic iş parçacıkları

• Backup workerlar


MapReduce

• Client-Server Model & RPC

• Üst seviyede soyutlama– Yük Dağıtımı

– Yerel Optimizasyon

– Paralelleştirme

– Hataya Tolerans

• Yeni bir programlama modeli

• Büyük verileri işleme kolaylığı


Case Study: Bilgi.com Arama Motoru

Cluster

Fetchers

URL Server

Document Parsers

Text Parser

HTML Parser

XML Parser

RDF Parser

MS Word Parser

MS PowerPoint Parser

MS Excel Parser

Internet

Web DB

URL Resolver

Cluster

Page Repository

Indexer

Link Analysis

Cluster

Index Servers

Stemmer

Turkish Language Identifier

Encode Detector

Cluster

Search Servers

Cluster

Spell Checkers

Summarizer

Client

Query

Result


Teknoloji Alanları

• Information Retrieval

• Web Mining

• Machine Learning

• Natural Language Processing

• High Speed Parallel Computing

• Distributed File Systems

• Linux Clustering


Bilgisayar Kümesi


Altyapısı

• Ölçeklenebilir.• Sistem Özellikleri:

– 120 çift çekirdek işlemcili ve 4GB RAM– 200 TeraByte disk alanı– Gigabit network altyapısı– MapReduce– Dağıtık Dosya Sistemi– Linux Cluster– Tamamı geliştirilmiş veya açık kaynak kodlar

kullanılmıştır– Geliştirilmeye devam edilmektedir


http://www.bilgi.com


Bilgi.com Özellikleri

• Türkçe NLP Uygulamaları

– Türkçe Dil Belirleme

– Sözcük Kökü Belirleme

– Named Entity Belirleme

– Tamlamalar ve Sık Kullanılan Kalıplar

– Sözcük Denetimi


Bilgi.com Özellikleri

• Sonuç Kümelendirme(Clustering)

• Sayfa Sınıflandırma

• Benzer Aramalar

• Site Resimleri (Thumbnail)

• Spam Belirleme


GRID Entegrasyonu ve Uygulamaları

• EU 7. Çerçeve Çağrıları: Dijital Kütüphaneler ve Info Grid

• ULAKBIM Dijital Kütüphane Uygulaması– ULAKBIM Grid altyapısına entegrasyon– Dijital akademik kaynakların arama servisine taşınması– Bu kaynaklar üzerinde gelişmiş kullanıcı odaklı

özelliklerin eklenmesi– Gerçek bir dijital kütüphane uygulaması altyapısının

oluşturulması– Uygulamanın genişletilmesi


Akademik Dijital Kütüphane


TEŞEKKÜRLER...

Büyük, Dağıtık, Veri Yoğunluklu Uygulamalarda Programlama ... file yaratır ve hafızasında saklar. 4. Düzenli olarak bu key/value ikilileri,

Documents