本帖最后由 zmztx 于 2019-7-27 08:13 编辑 $ {, O+ L% X$ g$ G8 `
, Z3 W9 r8 p% u, C& @2 h; ugoogle矩阵以及MapReduce算法(网上的一个简单解释版)
2 z0 }4 P4 [8 N7 N$ @: q: p$ E% k4 @' o/ r/ @4 A8 W
& t% W2 } c$ |' n9 U# P! Q
+ s4 Q K+ N: R% X! V# m* D* N5 R
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$ s( h2 |2 X8 w% }" 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 E8 q% ?* M! x
2 o0 V Q+ z: n7 n- ?% k
' q3 D& R4 O! B6 {# x3 H; g |