MAPREDUCE

HISTÓRICO, MOTIVAÇÃO E CENÁRIO• Grande quantidade de dados criou

uma necessidade de maior poder computacional;

• Impossibilidade de aumentar a capacidade de processamento de um único processador.

Solução: paralelização!

HISTÓRICO, MOTIVAÇÃO E CENÁRIO

Gráfico 1, obtido com

dados de [6]

HISTÓRICO, MOTIVAÇÃO E CENÁRIONa Google®, as paralelizações nos

algoritmos eram feitas caso a caso.

Em cada caso, problemas comuns a todas as paralelizações tinham de ser resolvidos.

Como fazer um modelo de paralelizações que não necessite de novas implementações para cada caso?

CONCEITO: PARALELIZAÇÃO

Paralelizar um algoritmo é executar partes diferentes dele em unidades de processamento diferentes e obter um menor tempo de execução.

CONCEITO: PARALELIZAÇÃO

Figura 2 – A paralelização de um processamento

CONCEITO: PARALELIZAÇÃO

PROBLEMAS:• Como designar processamento aos

processadores?• Como garantir exclusão mútua onde

for necessário?• Como fazer o algoritmo paralelo ter os

mesmos resultados do original?

SINCRONIZAÇÃO!

CONCEITO: COMPUTAÇÃO DISTRIBUÍDA• Sistema Paralelo: computador com

diversos processadores que compartilham áreas da memória e discos.

• Sistema distribuído: diversos computadores ligados em rede, capazes de executar algoritmos paralelos. Chamado também de cluster. Cada processador de um cluster é chamado de nó.

O MODELO MAPREDUCEAbstração que permite que o usuário seja

isolado da camada de paralelização. [1]A paralelização depende da implementação

do modelo MapReduce. Na implementação que devem estar

garantidas as propriedades do sistema (integridade, disponibilidade, controle de acesso, não-repúdio, confidencialidade, autenticação e privacidade).

MAPREDUCE: VISÃO DO USUÁRIO• Usuário programa duas funções:• map(chave, valor) -> (chaveInt ,

valorInt)• reduce(chaveInt, valoresInt) ->

(saídas)

MAP(CHAVE, VALOR)

A função map(chave, valor) recebe como parâmetro de entrada um par (chave, valor) e emite na saída um par (chave intermediária, valor intermediário).

REDUCE(CHAVEINT, VALORESINT)A função reduce recebe o conjunto de

valores intermediários valoresInt (saídas da função map) que estão associados à mesma chave intermediária chaveInt e emite como saída os valores finais na saída para a mesma chave.

A IMPLEMENTAÇÃO DO MAPREDUCE• Diversas implementações são

possíveis:• Cenários diferentes demandam

implementações diferentes.

A IMPLEMENTAÇÃO DA GOOGLE®• Características dos cluster’s

disponíveis:• Dispositivos de rede e processamento

comuns (x86 dual-core, discos IDE);• Cluster com centenas ou milhares de

nós.• Sistema de arquivos distribuído

próprio, o GFS [5]

A IMPLEMENTAÇÃO DA GOOGLE® (2)• Usuário implementa as funções map e

reduce e chama uma função MapReduce dentro do próprio programa

• A implementação fragmenta o arquivo de entrada do usuário (64 MB/parte)

• As funções map e reduce são copiadas para os nós do cluster

• Mestre X trabalhadores

A IMPLEMENTAÇÃO DA GOOGLE® (3)• O mestre: tarefas a trabalhadores

ociosos. • Trabalhadores mappers recebem um

fragmento do arquivo de entrada cada, extraem uma chave e valor dele e chamam a função map.

• Pares intermediários ficam guardados na memória

• Escritos em disco periodicamente• Mestre toma nota dos locais dos pares

intermediários.

A IMPLEMENTAÇÃO DA GOOGLE® (4)• O mestre designa um nó para a tarefa

de reduce com os locais dos valores intermediários da sua chave.

• O nó de redução lê todos os valores intermediários relacionados àquela chave intermediária e chama a função reduce, que é executada e escreve em um arquivo de saída o resultado final da execução.

• Implementação retorna ao programa do usuário

A IMPLEMENTAÇÃO DA GOOGLE® (5)

Figura 3 – Esquema da implementação da Google®

HADOOP• Uma implementação de código aberto

do modelo MapReduce [4]• Utiliza interfaces Java® para o

programador implementar as funções map e reduce.

• Muito parecido com a implementação da Google ®, mas é flexível com relação às máquinas em que roda.

AMBIENTES OPORTUNÍSTICOS• Ciclos ociosos de máquinas podem

ser usados para executar tarefas de map/reduce.

• Projeto MOON[7]• Recursos disponíveis por curtíssimos

períodos de tempo

TRABALHOS FUTUROS• Implementação simplificada de

MapReduce• Ambientes oportunísticos como

serviço:• Como garantir um bom serviço?• Executar código de interesse nas

máquinas de usuários de aplicativos web.

REFERÊNCIAS[1] DEAN, Jeffrey; GHEMAWAT, Sanjay. MapReduce:

Simplied Data Processing on Large Clusters. Communications of the ACM, v. 51, n. 1, p. 107-113, jan. 2008. Disponível em: <http://static.googleusercontent.com/external_content/untrusted_dlcp/research.google.com/pt-BR//archive/mapreduce-osdi04.pdf>. Acesso em: 23 maio 2012.

[2] LÄMMEL, Ralf. Google's MapReduce Programming Model - Revisited. Science of Computer Programming, v.70, n. 1, p. 1-30, jan. 2008. Disponível em: <http://web.cs.wpi.edu/~cs3013/a11/Papers/Lammel_MapReduce_Revisited.pdf>. Acesso em: 23 maio 2012.

REFERÊNCIAS (2)[3] VENKATESH, Kirpal A.; NEELAMEGAM, K.; REVATHY,

R. Usando MapReduce e balanceamento de carga em nuvens, out. 2010. Disponível em: <http://www.ibm.com/developerworks/br/java/library/cl-mapreduce/#N1010A>. Acesso em: 24 abr. 2012.

[4] HADOOP. Hadoop 1.0.2 documentation. Disponível em: <http://hadoop.apache.org/common/docs/current/index.html>. Acesso em: 24 abr. 2012.

[5] GHEMAWAT, Sanjay; GOBIOFF, Howard; LEUNG, Shun-Tak. The Google File System.ACM SIGOPS Operating Systems Review - SOSP '03, v. 37, n.5, p. 29-43, dez. 2003. Disponível em: <http://www.cs.brown.edu/courses/cs295-11/2006/gfs.pdf>. Acesso em: 23 maio 2012.

REFERÊNCIAS (3)[6] INTEL. Microprocessor Quick Reference Guide.

Disponível em: <http://www.intel.com/pressroom/kits/quickrefyr.htm>. Acesso em: 23 maio 2012.

[7] Heshan Lin; ARCHULETA, Jeremy; Xiaosong Ma; Wu-chun Feng; Zhe Zhang; GARDNER, Mark. MOON: MapReduce On Opportunistic eNvironments. Proceedings of the 19th ACM International Symposium on High Performance Distributed Computing - ACM HPDC '10, p. 95-106, 2010. Disponível em: <http://eprints.cs.vt.edu/archive/00001089/01/moon.pdf>. Acesso em: 24 maio 2012.