本帖最后由 zmztx 于 2019-7-27 08:13 编辑 / O; R, _9 ~4 v& S. f% v i
- V6 g- ~. u& q" B; v) bgoogle矩阵以及MapReduce算法(网上的一个简单解释版) : a1 D8 \2 ~* W: e- @
3 H$ S/ E5 ^8 |- t6 ~' n; G8 s" n8 n
$ b% q3 W' }: {
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。
% C$ W( X+ T( _2 F$ O 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。
& ^. a- D# u' l
c7 w& `# l+ X( F# q) O
5 x' y/ q* ~0 V1 l) T' v8 g |