面向高性能計算機體系結構的MapReduce編程框架優(yōu)化研究.pdf

1、隨著大數據時代的來臨，科學研究、工業(yè)應用等領域的數據規(guī)模正爆炸式增長，與此同時復雜數據分析的需求也日益強烈。當前高性能計算在國家的科學研究和科技服務行業(yè)中占有舉足輕重的地位，并且隨著其應用領域的不斷拓展加深，高性能計算機已經成為了大規(guī)模數據處理的一個重要平臺。然而，高性能計算機在處理數據密集型應用時仍存在著一些問題。高性能計算機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構簡化了程序編寫的復雜度，但在

2、處理大規(guī)模數據時容易造成I/O瓶頸，降低了系統(tǒng)的整體性能。并且隨著高性能計算機系統(tǒng)的復雜度越來越高、規(guī)模越來越大，其平均無故障時間變得越來越短，系統(tǒng)的可用性降低，影響超級計算中心的服務質量。本文提出利用MapReduce框架解決高性能計算機的上述問題。MapReduce作為面向大規(guī)模數據分析和處理的并行計算框架，一經公布即引起了工業(yè)界和學術界的廣泛關注，并迅速成為了大數據處理的事實標準。MapReduce框架將系統(tǒng)容錯性置于優(yōu)先考慮位置

3、，在系統(tǒng)層面解決了可用性和擴展性的問題。其“計算向數據移動”的思想緩解了海量數據移動的I/O壓力，在分析處理大規(guī)模數據時具有較高的效率。
　　本研究主要內容包括：⑴研究采用集中共享式存儲系統(tǒng)的高性能計算機與普通服務器集群的結構區(qū)別，論證在高性能計算機上部署MapReduce框架的意義，探索部署MapReduce框架的方法、技術。⑵分析MapReduce框架采用集中式存儲后數據流的特點，并利用該特點提高數據遠程讀寫的效率，避免數據重

4、復拷貝，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框架訪問數據的特點調優(yōu)Lustre的性能。⑷研究利用虛擬內存盤存儲臨時數據和中間結果數據，進一步緩解 Lustre的I/O壓力以提升MapReduce框架的性能。⑸在高性能計算機TH-1A上進行性能測試，驗證優(yōu)化策略的性能提升效果，展示在高性能計算機上部署的MapReduce框架的性能優(yōu)勢，說明其能應用到實際生產中處理基于Ma