- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我想按Hadoop中的列计算均值和标准差。
我简单地对MapReduce采用单次通过朴素算法。
我在多变量数据集455000x90和650000x120上进行了测试,并获得了更低,更多,然后处理器数量更多的加速。对于具有2个 Activity 内核的独立和伪分布式模式,对于455000x90,我的加速比为0.4 = 20秒/ 53秒。
为什么我的程序无效?有可能改善它吗?
映射器:
public class CalculateMeanAndSTDEVMapper extends
Mapper <LongWritable,
DoubleArrayWritable,
IntWritable,
DoubleArrayWritable> {
private int dataDimFrom;
private int dataDimTo;
private long samplesCount;
private int universeSize;
@Override
protected void setup(Context context) throws IOException {
Configuration conf = context.getConfiguration();
dataDimFrom = conf.getInt("dataDimFrom", 0);
dataDimTo = conf.getInt("dataDimTo", 0);
samplesCount = conf.getLong("samplesCount", 0);
universeSize = dataDimTo - dataDimFrom + 1;
}
@Override
public void map(
LongWritable key,
DoubleArrayWritable array,
Context context) throws IOException, InterruptedException {
DoubleWritable[] outArray = new DoubleWritable[universeSize*2];
for (int c = 0; c < universeSize; c++) {
outArray[c] = new DoubleWritable(
array.get(c+dataDimFrom).get() / samplesCount);
}
for (int c = universeSize; c < universeSize*2; c++) {
double val = array.get(c-universeSize+dataDimFrom).get();
outArray[c] = new DoubleWritable((val*val) / samplesCount);
}
context.write(new IntWritable(1), new DoubleArrayWritable(outArray));
}
}
public class CalculateMeanAndSTDEVCombiner extends
Reducer <IntWritable,
DoubleArrayWritable,
IntWritable,
DoubleArrayWritable> {
private int dataDimFrom;
private int dataDimTo;
private int universeSize;
@Override
protected void setup(Context context) throws IOException {
Configuration conf = context.getConfiguration();
dataDimFrom = conf.getInt("dataDimFrom", 0);
dataDimTo = conf.getInt("dataDimTo", 0);
universeSize = dataDimTo - dataDimFrom + 1;
}
@Override
public void reduce(
IntWritable column,
Iterable<DoubleArrayWritable> partialSums,
Context context) throws IOException, InterruptedException {
DoubleWritable[] outArray = new DoubleWritable[universeSize*2];
boolean isFirst = true;
for (DoubleArrayWritable partialSum : partialSums) {
for (int i = 0; i < universeSize*2; i++) {
if (!isFirst) {
outArray[i].set(outArray[i].get()
+ partialSum.get(i).get());
} else {
outArray[i]
= new DoubleWritable(partialSum.get(i).get());
}
}
isFirst = false;
}
context.write(column, new DoubleArrayWritable(outArray));
}
}
public class CalculateMeanAndSTDEVReducer extends
Reducer <IntWritable,
DoubleArrayWritable,
IntWritable,
DoubleArrayWritable> {
private int dataDimFrom;
private int dataDimTo;
private int universeSize;
@Override
protected void setup(Context context) throws IOException {
Configuration conf = context.getConfiguration();
dataDimFrom = conf.getInt("dataDimFrom", 0);
dataDimTo = conf.getInt("dataDimTo", 0);
universeSize = dataDimTo - dataDimFrom + 1;
}
@Override
public void reduce(
IntWritable column,
Iterable<DoubleArrayWritable> partialSums,
Context context) throws IOException, InterruptedException {
DoubleWritable[] outArray = new DoubleWritable[universeSize*2];
boolean isFirst = true;
for (DoubleArrayWritable partialSum : partialSums) {
for (int i = 0; i < universeSize; i++) {
if (!isFirst) {
outArray[i].set(outArray[i].get() + partialSum.get(i).get());
} else {
outArray[i] = new DoubleWritable(partialSum.get(i).get());
}
}
isFirst = false;
}
for (int i = universeSize; i < universeSize * 2; i++) {
double mean = outArray[i-universeSize].get();
outArray[i].set(Math.sqrt(outArray[i].get() - mean*mean));
}
context.write(column, new DoubleArrayWritable(outArray));
}
}
public class DoubleArrayWritable extends ArrayWritable {
public DoubleArrayWritable() {
super(DoubleWritable.class);
}
public DoubleArrayWritable(DoubleWritable[] values) {
super(DoubleWritable.class, values);
}
public DoubleWritable get(int idx) {
return (DoubleWritable) get()[idx];
}
}
最佳答案
我问了有关在相同环境中有相同问题的另一项工作的问题。大卫·格鲁兹曼(David Gruzman)猜测在差异作业开始时间(本地,群集)中存在该问题。他建议使用最佳数据大小,以在这种环境下获得良好的加速(5 GB)。我尝试过,这是真的。
Why job with mappers only is so slow in real cluster?
关于statistics - 通过Hadoop中的列计算均值和标准差,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/8029527/
我的应用程序上有一个抽屉式菜单,它在桌面上运行良好,但在任何移动设备上我都看到一个丑陋的卡顿。 在 header 中,我有一个 bool 值,在单击汉堡包时将其设置为 true/false,这会将 o
在CLRS书中,自上而下的heapify构建堆的复杂度为O(n)。也可以通过反复调用插入来建立堆,其最坏情况下的复杂度为nlg(n)。 我的问题是:对于后一种方法性能较差的原因,是否有任何见解? 我问
我在所有层和输出上使用 sigmoid,得到的最终错误率为 0.00012,但是当我使用理论上更好的 Relu 时,我得到了最差的结果。谁能解释为什么会发生这种情况?我正在使用一个非常简单的 2 层实
我想计算有多少人(百分比)在我的测试中表现比我差。 这是我想要的结果: student | vak | resultaat | percentielscore ---------+-------
令人惊讶的是,使用 PLINQ 并没有在我创建的一个小测试用例上产生好处;事实上,它比通常的 LINQ 还要糟糕。 测试代码如下: int repeatedCount = 10000000;
我正在开发一个高度基于 map 的应用程序,并且我正在使用 MBXMapKit 框架(基于 MapKit 构建)以便在我的 MapView 中显示自定义 Mapbox map 图 block 而不是默
这个问题在这里已经有了答案: Is it always better to use 'DbContext' instead of 'ObjectContext'? (1 个回答) 关闭 9 年前。
我正在尝试使用 FFmpeg 进行一些复杂的视频转码(例如连接多个文件)。为此,我一直在尝试使用 filter_complex,但我注意到我之前使用普通视频过滤器看到的质量略有下降。 为了仔细检查,我
我是 R 中并行计算的新手,想使用并行包来加速我的计算(这比下面的示例更复杂)。但是,与通常的 lapply 函数相比,使用 mclapply 函数的计算时间更长。 我在我的笔记本电脑上安装了一个全新
我正在尝试使用 BERT 解决文档排名问题。我的任务很简单。我必须对输入文档进行相似度排名。这里唯一的问题是我没有标签——所以它更像是一个定性分析。 我正在尝试一系列文档表示技术——主要是 word2
如何计算两点的差?例如:(5,7) - (2,3) = (3,4) using point = boost::geometry::model::point point p1 (2, 3); point
我是 ARKit 的新手,在检查了一些示例代码后,如 https://developer.apple.com/sample-code/wwdc/2017/PlacingObjects.zip我想知道是
社区。 我正在编写一些机器学习代码,将一些数据分类。 我尝试了不同的方法,但是当我使用SVM时,我遇到了这个问题。 我有一组简单的数据(3 个类别,6 个特征),当我使用具有固定参数(C=10、gam
我只是在查看不同问题的答案以了解更多信息。我看到一个answer这表示在 php 中编写 是不好的做法 for($i=0;$i
我正在编写一个界面,我必须在其中启动 4 个 http 请求才能获取一些信息。 我用两种方式实现了接口(interface): 使用顺序 file_get_contents。 使用多 curl 。 我
我想用随机数来愚弄一下,如果 haskell 中的随机生成器是否均匀分布,因此我在几次尝试后写了下面的程序(生成的列表导致堆栈溢出)。 module Main where import System.
我在 Tensorflow 中构建了一个 LSTM 分类器(使用 Python),现在我正在做一系列基准测试来衡量执行性能。基准测试代码加载在训练期间保存的模型并针对大量输入执行它。我有一个 Pyth
不久前,我重构了单元格渲染器组件以实现性能提升(我有一个巨大的表格)。我从功能性无状态组件重构为 PureComponent。例如: import React from 'react'; import
当我改变缓冲区的大小时,我得到了无法从 BufferedReader 解释的奇怪结果。 我曾强烈期望性能会随着缓冲区大小的增加而逐渐增加, yield 递减设置相当快,此后性能或多或少会持平。但看起来
我正在尝试为 1000 个正面+负面标签的 IMDB 评论 (txt_sentoken) 和 Java 的 weka API 构建一个基于朴素贝叶斯的分类器。 由于我不知道 StringToWordV
我是一名优秀的程序员,十分优秀!