t*****9 发帖数: 569 | 1 所有东西搞在一起,不要data relation了?
靠强大的infrastructure和分布式计算算法提供in time查询,插入,更新? |
z****e 发帖数: 54598 | 2 这就是统计牛逼的地方
能从不make sense的东西给你弄成make sense
从无到有这一步是最难的 |
z****e 发帖数: 54598 | 3 分布式算法跟big data没必然联系
算法是优化,从一个make sense的东西提升效率
但是big data最重要的是你要有办法从不make sense弄成make sense
这个根本不是算法的问题
等make sense了之后,再通过算法分析,找出更优化的算法
让结果结论跑得快一点罢了
分布式算法主要是解决不同nodes之间的冲突问题
因为如果系统nodes多了,如果不同nodes不能保证象单机一样执行的话
那麻烦就大了,分布式算法严格来说也不是特别象单机一样,考虑n^2还是lgn
复杂度这种单机上的算法热点在分布式中用得不多,多数时候都在处理并发冲突
单机现在压根不考虑并发了,asynchronized一来,都无状态处理了
甚至连游戏都不怎么搞并发了,就os还在搞,再往上的并发处理都压给os去做
而分布式算法则天天倒腾如何处理并发,这个层面就不是os层面了 |
z****e 发帖数: 54598 | 4 data relation不是不要搞,是你自己想办法去找
能不能找到,看统计水平怎样
统计就擅长从一堆乱七八糟的东西找出一定的结论,就搞这个的 |
z****e 发帖数: 54598 | 5 举两个例子
分布式算法基础,最基础的是一个比如message,广播到group中去
那么如何保证这个group中所有的nodes收到的msg都执行同一个顺序呢?
这个网络无法保证,后发送的msg有可能会被某些nodes先收到,因为网络的latency
最简单的就是给所有的msg编一个号,谁都能想到
这个主要是分布式算法处理的范畴
big data是这样
我给你一堆文档,什么格式都有
请问,我现在输入一个term,比如china
你能否给我反馈一串相关china的文档列表,按照相关度排序?
简单说就是一个google
算法在这里也有用,比如clustering, classification时候,需要计算时间复杂度
前者如果是bottom up的话,复杂度可能达到n^3这样,那就非常慢了
但是不是不可行,用top down的话,复杂度是n,快很多
所以尽可能使用top down, 但是有trade off,top down对seed敏感
你怎么找seed?这就很关键了,找seed也主要是统计来搞 |
z****e 发帖数: 54598 | 6 nosql比sql强在本身消耗的平均资源偏少
其次结构也不需要那么严格和完整
所以把前期的整理工作给干掉了
交给统计去挖掘合理性
所以可以短时间内爆nodes
喷射出去,这个对于现代互联网时代的产品来说尤其重要
因为访问量的增长是呈指数级增长的
一般db那种完全跟不上 |
g*****o 发帖数: 812 | 7 ( ⊙o⊙ )哇
不明觉厉..
【在 z****e 的大作中提到】 : nosql比sql强在本身消耗的平均资源偏少 : 其次结构也不需要那么严格和完整 : 所以把前期的整理工作给干掉了 : 交给统计去挖掘合理性 : 所以可以短时间内爆nodes : 喷射出去,这个对于现代互联网时代的产品来说尤其重要 : 因为访问量的增长是呈指数级增长的 : 一般db那种完全跟不上
|