- mongodb - 在 MongoDB mapreduce 中,如何展平值对象?
- javascript - 对象传播与 Object.assign
- html - 输入类型 ="submit"Vs 按钮标签它们可以互换吗?
- sql - 使用 MongoDB 而不是 MS SQL Server 的优缺点
我知道有类似的问题,比如:
但是我问这个是因为我正在寻找一个由几个用例示例支持的更特别的区别,拜托。
所以,我是一个 python 用户,想要制作一个/两个的程序:
在一台机器上做,并在多台机器上处理它们。我熟悉python中的(单机)多处理包,我现在正在编写mapreduce风格的代码。例如,我知道我的函数很容易并行化。
在询问我通常的聪明的 CS 建议提供者时,我的问题是:
“我想拿一个任务,把它拆分成一堆子任务,在一堆机器上同时执行,然后这些结果被聚合并根据其他一些函数进行处理,这可能是一个reduce,或者例如,可能是串行添加到数据库的指令。”
根据我的用例分解,我认为我同样可以使用 Hadoop 或一组 Celery worker + RabbitMQ 代理。然而,当我向贤明的建议提供者询问时,他们的回答好像我完全疯了,将 Hadoop 和 Celery 视为可比较的解决方案。我已经阅读了很多关于 Hadoop 和 Celery 的文章——我认为我对两者的作用有很好的了解——我似乎不明白的是:
我知道 Hadoop 是大数据标准,但 Celery 看起来也得到了很好的支持;我很欣赏它不是 java(用于 hadoop 的流式 API python 对我来说看起来不舒服),所以我倾向于使用 Celery 选项。
最佳答案
它们的相同之处在于它们都可以解决您描述的问题(map-reduce)。它们的不同之处在于 Hadoop 完全是为解决该用例而构建的,而 Celey/RabbitMQ 的构建是为了使用消息传递促进不同节点上的任务执行。 Celery 还支持不同的用例。
Hadoop 正在解决 map-reduce 问题,方法是拥有一个大型且特殊的文件系统,mapper 从该文件系统中获取数据,将其发送到一堆 map 节点并将其归约到该文件系统。这样做的好处是速度非常快。缺点是它只对基于文本的数据输入进行操作,并不真正支持 Python,而且如果你不能(稍微)做不同的用例。Celery 是一个基于消息的任务执行器。您可以在其中定义任务并将它们组合到一个工作流中(可以是 map-reduce 工作流)。它的优点是它是基于 python 的,您可以在自定义工作流程中将任务拼接在一起。缺点是它依赖于单个代理/结果后端及其设置时间。
因此,如果您有几个 Gb 的日志文件,并且不关心用 Java 编写,并且有一些专门用于运行 Hadoop 的备用服务器,请使用它。如果您希望灵活地运行工作流程任务,请使用 Celery。或者.....
是的!其中一家公司的一个新项目帮助创建了 RabbitMQ(和其他人)使用的消息传递协议(protocol) AMQP。它被称为 ZeroMQ与 Celery 相比,它奇怪地降低了抽象级别,从而将分布式消息传递/执行提升到了一个新的水平。它定义了可以以各种方式链接在一起的套接字,以在节点之间创建消息链接。您想对这些消息做的任何事情都由您来写。尽管这听起来像是“围绕套接字的薄包装器有什么好处”,但实际上它处于正确的抽象级别。现在在我们公司,我们正在分解我们所有的 celery 消息并使用 ZeroMQ 重建它。我们发现 Celery 对如何执行任务过于固执己见,而且设置/配置通常很痛苦。此外,必须处理所有流量的中间代理也成为了很大的瓶颈。
简历:
关于python - 说明 Hadoop 与 RabbitMQ+Celery 的用例,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/18521196/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!