$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

하둡과 맵리듀스
Hadoop and MapReduce 원문보기

Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.24 no.5, 2013년, pp.1013 - 1027  

박정혁 (고려대학교 산업경영공학부) ,  이상열 (고려대학교 산업경영공학부) ,  강다현 (고려대학교 산업경영공학부) ,  원중호 (고려대학교 산업경영공학부)

초록
AI-Helper 아이콘AI-Helper

대용량 데이터 분석의 필요성이 급격히 증대되면서 이를 가능케 해 주는 플랫폼인 하둡과 그 내부적인 계산 모형인 맵리듀스에 대한 관심 또한 늘고 있다. 본고에서는 R 등의 통계 프로그래밍에 익숙한 데이터 분석가가 하둡을 사용하고자 할 때 알아야 할 기본 개념들을 R과 하둡을 결합하는 몇가지 예제와 함께 소개한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

As the need for large-scale data analysis is rapidly increasing, Hadoop, or the platform that realizes large-scale data processing, and MapReduce, or the internal computational model of Hadoop, are receiving great attention. This paper reviews the basic concepts of Hadoop and MapReduce necessary for...

주제어

#맵리듀스   #분산 컴퓨팅   #빅데이터 분석   #하둡  

질의응답

핵심어 질문 논문에서 추출한 답변
빅데이터 처리를 위한 분산 처리 플랫폼으로 주목 받고 있는 것은? 빅데이터 처리를 위한 분산 처리 플랫폼으로 아파치 재단의 하둡 (Apache Hadoop; 이하 하둡)이 주목받고 있다. 데이터가 하나의 서버에서 처리할 수 없을 정도로 큰 경우에는 이를 여러 서버에 분산시켜 놓고 동시에 여러 대의 서버가 나누어 처리하도록 하는 방식이 보편적이며, 분산 시스템 관련 기술자체는 1980년대부터 꾸준히 연구되어 온 것으로 크게 새로운 것은 아니다.
빅데이터란? 또한 로그 파일은 대개 구조가 약한 텍스트 파일이며 이를 처리하여 스마트폰 또는 그 운영체제의 성능 향상에 필요한 정보를 추출하기 위해서는 하나의 고성능 서버나 기존의 데이터베이스 소프트웨어로는 충분치 못하다는 것을 쉽게 짐작할 수 있다. 이렇게 그 크기가 방대하여 기존의 시스템으로는 획득, 저장, 관리, 혹은 분석이 불가능한 데이터를 흔히 빅데이터라고 부른다 (McKinsey Global Institute, 2011).
오픈소스로 시스템으로 하둡의 구성은 ? • 하둡 공통 (Hadoop Common): 다른 모듈들을 지원하는 공통 유틸리티 모음. 하둡을 기동하는 스크립트나 분산 파일 시스템에의 접근을 돕는 유틸리티 등이 포함된다. • 하둡 분산 파일 시스템 (Hadoop distributed file system; 이하 HDFS): 하둡 공통을 이용하여 대용량 데이터를 다수의 컴퓨터에 분산시켜 고속으로 처리하기 위한 분산 파일 시스템. • 하둡 맵리듀스 (Hadoop Map Reduce): 분산 파일 시스템에 저장된 대용량 데이터의 병렬 처리를 위한 소프트웨어 프레임워크.
질의응답 정보가 도움이 되었나요?

참고문헌 (17)

  1. Bache, K. and Lichman, M. (2013). UCI machine learning repository. http://archive.ics.uci.edu/ml. [Online; accessed June 2013]. 

  2. Cho, S., Lee, S., Lee, K. and Kim, Y. (2009). Distributed filtering service model for spam mails based on hadoop framework. In Proceedings of the 2009 Korean Society for Internet Information, Korean Society for Internet Information, Seoul, 165-168. 

  3. Dean, J. and Ghemawat, S. (2004). Mapreduce: Simplified data processing on large clusters. In OSDI4: Proceedings of the 6th Symposium on Operating Systems Design and Implementation. USENIX Association, San Francisco. 

  4. Facebook Engineering Team (2012). Under the hood: scheduling MapReduce jobs more efficiently with Corona. https://www.facebook.com/notes/facebook-engineering/under-the-hood-schedulingmapreduce- jobs-more-efficiently-with-corona/10151142560538920. [Online; accessed June 2013]. 

  5. Ghemawat, S., Gobioff, H. and Leung, S.-T. (2003). The google file system. ACM SIGOPS Operating Systems Review, 37, 29-43. 

    상세보기 crossref

  6. Guha, S. (2010). Computing environment for the statistical analysis of large and complex data, PhD thesis, Department of Statistics, Purdue University, West Lafayette. 

  7. Guha, S., Hafen, R. P., Kidwell, P. and Cleveland, W. S. (2009). Visualization databases for the analysis of large complex datasets. Journal of Machine Learning Research, 5, 193-200. 

  8. Harris, D. (2011). Why the pace of Hadoop innovation has to pick up. http://gigaom.com/2011/04/25/why-we-need-more-hadoop-innovation/. [Online; accessed June 2013]. 

  9. Jung, H., Kim, J., Park, H. and Lee, J. (2011). The design of content-based music search system using hadoop. In Proceedings of the 2011 Korean Institute of Information Scientists and Engineers, The Korean Institute of Information Scientists and Engineers, Seoul, 377-380. 

  10. Kim, M., Cui, Y., Han, S. and Lee, H. (2012). A hadoop-based media transcoding system for mobile media service. In Proceedings of the 2012 Korean Society for Internet Information, Korean Society for Internet Information, Seoul, 233-234. 

  11. Lam, C. (2012). Hadoop in action (Korean translation), Ji & Son, Seoul. 

  12. McKinsey Global Institute (2011). Big data: The next frontier for innovation, competition, and productivity, McKinsey Global Institute, New York. 

  13. Park, S., Lee, B., Kim, H., Kim, D. and Yoon, S. (2011). A study on speedup of multiple sequence alignment using mapreduce on cloud infrastructure. In Proceedings of the 2011 Korean Institute of Information Scientists and Engineers, The Korean Institute of Information Scientists and Engineers, Seoul, 123-126. 

  14. Piccolboni, A. (2013). Mapreduce in R. https://github.com/RevolutionAnalytics/rmr2/blob/master/ docs/tutorial.md. [Online; accessed June 2013]. 

  15. Revolution Analytics (2011). Advanced big dataanalytics with R and Hadoop. http://www.revolutionanalytics.com/why-revolution-r/whitepapers/advanced-big-data-analytics-with-rand- hadoop.php. [Online; accessed June 2013]. 

  16. Seo, S., Kim, J., Park, Y., Lee, J. and Myeong, J. (2013). Hadoop & NoSQL, Gilbut, Seoul. 

  17. The Apache Software Foundation (2008). MapReduce tutorial. http://hadoop.apache.org/docs/stable/ mapred_tutorial.html. [Online; accessed June 2013]. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로