Aster发布应用于数据库的MapReduce

作者 R.J. Lorimer 译者 张龙 发布于 2008年9月26日

领域

语言 & 开发,

架构 & 设计,

运维 & 基础架构,

企业架构

主题

数据库设计 ,

云计算 ,

Java ,

平台 ,

企业架构 ,

容错技术

标签

MapReduce ,

数据库

Aster Data Systems最近发布了应用于数据库的MapReduce，这是其nCluster数据库的一个组件。

InfoQ已经详细 介绍了MapReduce，它最初是由Google工程师引入的一种编程模型，旨在提供一种可伸缩的方法来处理大数据集。

nCluster是由Aster推出的一个高并行处理（MPP）数据库。其网站这样描述了nCluster的并行架构：

Aster nCluster构建于独特、多层的nCluster架构之上，它包含三种独立的节点类：Queens、Workers及Loaders。针对分析处理，该三层设计将角色完全隔离并封装起来。每层都可以独立扩展以响应负载变化——当需要时扩充容量（Workers）、加载带宽（Loaders）或者执行并发（Queens）。

Aster nCluster提供的MapReduce实现利用相同的架构，为数据库中执行MapReduce计算留有了余地：

就像针对标准SQL查询的高并发执行环境一样，Aster nCluster为数据库中的并行数据分析及传输实现了灵活的MapReduce函数。Aster nCluster应用于数据库的MapReduce函数很容易编写，而且可以与SQL语句无缝集成。它们依靠SQL查询来操纵底层数据并提供输入。该函数可以操纵输入数据并提供输出，而这些输出又可以被SQL查询使用或者写到数据库表中。

SQL/MR是由Aster引入的一个特殊的SQL MapReduce函数库，可在nCluster平台中用来调用map-reduce算法。Aster支持多态函数和动态类型，同时MapReduce计算可用Java、Python、C++等语言开发。

请访问Aster Data Systems站点以了解有关应用于数据库的Map Reduce及nCluster数据库的更多信息。

查看英文原文：Aster In-Database MapReduce

译者 张龙 热衷于编程，乐于分享，对新技术有强烈的探索欲，对Java轻量级框架有一定研究。

• 更早的 >