面向高性能計(jì)算機(jī)體系結(jié)構(gòu)的MapReduce編程框架優(yōu)化研究.pdf

1、隨著大數(shù)據(jù)時(shí)代的來臨，科學(xué)研究、工業(yè)應(yīng)用等領(lǐng)域的數(shù)據(jù)規(guī)模正爆炸式增長，與此同時(shí)復(fù)雜數(shù)據(jù)分析的需求也日益強(qiáng)烈。當(dāng)前高性能計(jì)算在國家的科學(xué)研究和科技服務(wù)行業(yè)中占有舉足輕重的地位，并且隨著其應(yīng)用領(lǐng)域的不斷拓展加深，高性能計(jì)算機(jī)已經(jīng)成為了大規(guī)模數(shù)據(jù)處理的一個(gè)重要平臺。然而，高性能計(jì)算機(jī)在處理數(shù)據(jù)密集型應(yīng)用時(shí)仍存在著一些問題。高性能計(jì)算機(jī)多采用集中共享式存儲系統(tǒng)（如 Lustre文件系統(tǒng)等），這種以存儲為中心的體系結(jié)構(gòu)簡化了程序編寫的復(fù)雜度，但在

2、處理大規(guī)模數(shù)據(jù)時(shí)容易造成I/O瓶頸，降低了系統(tǒng)的整體性能。并且隨著高性能計(jì)算機(jī)系統(tǒng)的復(fù)雜度越來越高、規(guī)模越來越大，其平均無故障時(shí)間變得越來越短，系統(tǒng)的可用性降低，影響超級計(jì)算中心的服務(wù)質(zhì)量。本文提出利用MapReduce框架解決高性能計(jì)算機(jī)的上述問題。MapReduce作為面向大規(guī)模數(shù)據(jù)分析和處理的并行計(jì)算框架，一經(jīng)公布即引起了工業(yè)界和學(xué)術(shù)界的廣泛關(guān)注，并迅速成為了大數(shù)據(jù)處理的事實(shí)標(biāo)準(zhǔn)。MapReduce框架將系統(tǒng)容錯(cuò)性置于優(yōu)先考慮位置

3、，在系統(tǒng)層面解決了可用性和擴(kuò)展性的問題。其“計(jì)算向數(shù)據(jù)移動”的思想緩解了海量數(shù)據(jù)移動的I/O壓力，在分析處理大規(guī)模數(shù)據(jù)時(shí)具有較高的效率。
　　本研究主要內(nèi)容包括：⑴研究采用集中共享式存儲系統(tǒng)的高性能計(jì)算機(jī)與普通服務(wù)器集群的結(jié)構(gòu)區(qū)別，論證在高性能計(jì)算機(jī)上部署MapReduce框架的意義，探索部署MapReduce框架的方法、技術(shù)。⑵分析MapReduce框架采用集中式存儲后數(shù)據(jù)流的特點(diǎn)，并利用該特點(diǎn)提高數(shù)據(jù)遠(yuǎn)程讀寫的效率，避免數(shù)據(jù)重

4、復(fù)拷貝，優(yōu)化MapReduce框架的性能。⑶分析集中共享式存儲系統(tǒng)Lustre的存儲特性，針對MapReduce框架訪問數(shù)據(jù)的特點(diǎn)調(diào)優(yōu)Lustre的性能。⑷研究利用虛擬內(nèi)存盤存儲臨時(shí)數(shù)據(jù)和中間結(jié)果數(shù)據(jù)，進(jìn)一步緩解 Lustre的I/O壓力以提升MapReduce框架的性能。⑸在高性能計(jì)算機(jī)TH-1A上進(jìn)行性能測試，驗(yàn)證優(yōu)化策略的性能提升效果，展示在高性能計(jì)算機(jī)上部署的MapReduce框架的性能優(yōu)勢，說明其能應(yīng)用到實(shí)際生產(chǎn)中處理基于Ma