本帖最后由 zmztx 于 2019-7-27 08:13 编辑 9 D2 N9 [ j2 f' v
; D) z% f8 H g7 ~$ Hgoogle矩阵以及MapReduce算法(网上的一个简单解释版) ( f, h) S( d: Z' |1 j, W& Q
2 Q. v" @. H2 d4 T: k
) L- n& ~) c6 v$ L
( O3 D$ g, x4 E0 `! \ Map-Reduce, 通过将运算矩阵按页面分离到多个页面进行运算,例如运算节点1上放1000个页面,这1000个页面的外链有4000个,那么这个节点的矩阵也就是一个1000列,4000行的,那么Map-Redure可以取特征向量的对应的1000个(1列,1000行)的值到该节点进行矩阵运算,然后会得到一个(1列,4000行)的向量,每个页面实际对应到一行,传递到汇总节点进行汇总求和即可。 " A. \- \4 G& H4 N0 D
这里有个问题就是可能各个运算节点的页面不一样,所以最终各个节点合并矩阵时,最终可以类似成为一个hash表一样定位页面,然后将各个页面算出来的一列向量进行定位求和,最终得到计算出来的特征向量,第一次计算出来之后,才能知道这次运算的向量到底是有多少个页面。
9 b$ V U1 |( s
/ \6 m( D& c6 R3 f+ _
6 ^) |4 b5 W6 u8 ?% X! R* L2 C! p |