国产chinesehdxxxx老太婆,办公室玩弄爆乳女秘hd,扒开腿狂躁女人爽出白浆 ,丁香婷婷激情俺也去俺来也,ww国产内射精品后入国产

您好,歡迎來電子發(fā)燒友網(wǎng)! ,新用戶?[免費(fèi)注冊(cè)]

您的位置:電子發(fā)燒友網(wǎng)>源碼下載>數(shù)值算法/人工智能>

基于Spark的ItemBased推薦算法性能優(yōu)化

大?。?/span>0.91 MB 人氣: 2017-11-30 需要積分:2

  MapReduce計(jì)算場(chǎng)景下,復(fù)雜的大數(shù)據(jù)挖掘類算法通常需要多個(gè)MapReduce作業(yè)協(xié)作完成,但多個(gè)作業(yè)之間嚴(yán)重的冗余磁盤讀寫及重復(fù)的資源申請(qǐng)操作,使得算法的性能嚴(yán)重降低。為提高ItemBased推薦算法的計(jì)算效率,首先對(duì)MapReduce平臺(tái)下ItemBased協(xié)同過濾算法存在的性能問題進(jìn)行了分析;在此基礎(chǔ)上利用Spark迭代計(jì)算及內(nèi)存計(jì)算上的優(yōu)勢(shì)提高算法的執(zhí)行效率,并實(shí)現(xiàn)了基于Spark平臺(tái)的ItemBased推薦算法。實(shí)驗(yàn)結(jié)果表明:當(dāng)集群節(jié)點(diǎn)規(guī)模分別為10與20時(shí),算法在Spark中的運(yùn)行時(shí)間分別只有MapReduce中的25.6%及30. 8%,Spark平臺(tái)下的算法相比MapReduce平臺(tái),執(zhí)行效率整體提高3倍以上。
?

非常好我支持^.^

(0) 0%

不好我反對(duì)

(0) 0%

      發(fā)表評(píng)論

      用戶評(píng)論
      評(píng)價(jià):好評(píng)中評(píng)差評(píng)

      發(fā)表評(píng)論,獲取積分! 請(qǐng)遵守相關(guān)規(guī)定!

      ?