Python算法 Hadoop实例-单轮MapReduce的矩阵乘法
2012-12-06 22:53
861 查看
矩阵的乘法只有在第一个矩阵的列数(column)和第二个矩阵的行数(row)相同时才有定义。一般单指矩阵乘积时,指的便是一般矩阵乘积。若A为i×r矩阵,B为r×j矩阵,则他们的乘积AB(有时记做A · B)会是一个i×j矩阵。其乘积矩阵的元素如下面式子得出:
对矩阵乘法的MapReduce实现方法是:
Map函数:对于矩阵M的每个元素M[i,j],产生一系列的键值对(i,k)->(M,j,
M[i,j]),其中k=1,2…,直到矩阵N的列数。同样,对于矩阵N的每个元素N[j,k],产生一系列的键值对(i,k)->(N,j,N[j,k]),其中i=1,2…,直到矩阵M的行数。
Reduce函数:根据MR的原理,相同键i,k的数据会发送个同一个 reduce。如果M为2*2矩阵,N为2×3矩阵,reduce函数需要处理的数据为:
(1,1)->[(M,1,
M[1,1])、(M,2, M[1,2])、(N,1, N[1,1])、(N,2,
N[2,1])],
(1,2)->[(M,1,
M[1,1])、(M,2, M[1,2])、(N,1, N[1,2])、(N,2,
N[2,2])],
(1,3)->[(M,1,
M[1,1])、(M,2, M[1,2])、(N,1, N[1,3])、(N,2,
N[2,3])],
(2,1)->[(M,1,
M[2,1])、(M,2, M[2,2])、(N,1, N[1,1])、(N,2,
N[2,1])],
(2,2)->[(M,1,
M[2,1])、(M,2, M[2,2])、(N,1, N[1,2])、(N,2,
N[2,2])],
(2,3)->[(M,1,
M[2,1])、(M,2, M[2,2])、(N,1, N[1,3])、(N,2,
N[2,3])]。
这样只要将所有(M,j, M[i,j])和(N,j,
N[j,k])分别按照j值排序并放在不同的两个列表里面。将这个列表的第j个元素M[i,j]个N[j,k]相乘,然后将这些积相加,最后积的和与键(i,k)组对作为reduce函数的输出。对于上面的例子reduce的输出就是:
(1,1)->(M[1,1]*
N[1,1]+ M[1,2]* N[2,1])
(1,2)->(M[1,1]*
N[1,2]+ M[1,2]* N[2,2])
(1,3)->(M[1,1]*
N[1,3]+ M[1,2]* N[2,3])
(2,1)->(M[2,1]*
N[2,1]+ M[2,2]* N[2,1])
(2,2)->(M[2,1]*
N[1,2]+ M[2,2]* N[2,2])
(2,3)->(M[2,1]*
N[1,3]+ M[2,2]* N[2,3])
下面是MapReduce的实现步骤:
(1).构造矩阵M:300*150;矩阵N:150*500。两矩阵的值放在一个M.data文件中,每行的格式为:文件标识#行坐标#列坐标#坐标值。
(2).基于上面的方法编写Map函数和Reduce函数。代码详见:
(3).将运行的结果文件copy到本地,并使用check.py对结果中元素[10,95]的正确性进行验证。
对矩阵乘法的MapReduce实现方法是:
Map函数:对于矩阵M的每个元素M[i,j],产生一系列的键值对(i,k)->(M,j,
M[i,j]),其中k=1,2…,直到矩阵N的列数。同样,对于矩阵N的每个元素N[j,k],产生一系列的键值对(i,k)->(N,j,N[j,k]),其中i=1,2…,直到矩阵M的行数。
Reduce函数:根据MR的原理,相同键i,k的数据会发送个同一个 reduce。如果M为2*2矩阵,N为2×3矩阵,reduce函数需要处理的数据为:
(1,1)->[(M,1,
M[1,1])、(M,2, M[1,2])、(N,1, N[1,1])、(N,2,
N[2,1])],
(1,2)->[(M,1,
M[1,1])、(M,2, M[1,2])、(N,1, N[1,2])、(N,2,
N[2,2])],
(1,3)->[(M,1,
M[1,1])、(M,2, M[1,2])、(N,1, N[1,3])、(N,2,
N[2,3])],
(2,1)->[(M,1,
M[2,1])、(M,2, M[2,2])、(N,1, N[1,1])、(N,2,
N[2,1])],
(2,2)->[(M,1,
M[2,1])、(M,2, M[2,2])、(N,1, N[1,2])、(N,2,
N[2,2])],
(2,3)->[(M,1,
M[2,1])、(M,2, M[2,2])、(N,1, N[1,3])、(N,2,
N[2,3])]。
这样只要将所有(M,j, M[i,j])和(N,j,
N[j,k])分别按照j值排序并放在不同的两个列表里面。将这个列表的第j个元素M[i,j]个N[j,k]相乘,然后将这些积相加,最后积的和与键(i,k)组对作为reduce函数的输出。对于上面的例子reduce的输出就是:
(1,1)->(M[1,1]*
N[1,1]+ M[1,2]* N[2,1])
(1,2)->(M[1,1]*
N[1,2]+ M[1,2]* N[2,2])
(1,3)->(M[1,1]*
N[1,3]+ M[1,2]* N[2,3])
(2,1)->(M[2,1]*
N[2,1]+ M[2,2]* N[2,1])
(2,2)->(M[2,1]*
N[1,2]+ M[2,2]* N[2,2])
(2,3)->(M[2,1]*
N[1,3]+ M[2,2]* N[2,3])
下面是MapReduce的实现步骤:
(1).构造矩阵M:300*150;矩阵N:150*500。两矩阵的值放在一个M.data文件中,每行的格式为:文件标识#行坐标#列坐标#坐标值。
(2).基于上面的方法编写Map函数和Reduce函数。代码详见:
(3).将运行的结果文件copy到本地,并使用check.py对结果中元素[10,95]的正确性进行验证。
相关文章推荐
- Hadoop实例:单轮MapReduce的矩阵乘法
- Hadoop实例:单轮MapReduce的矩阵乘法
- Hadoop实例:单轮MapReduce的矩阵乘法Demo
- 单轮MapReduce的矩阵乘法
- Hadoop MapReduce 大矩阵乘法
- 一些算法的MapReduce实现——矩阵-向量乘法实现
- 关于用mapreduce做kmeans聚类以及python的numpy和list做矩阵、向量乘法的速度对比
- 【甘道夫】Mapreduce实现矩阵乘法的算法思路
- Hadoop 稀疏矩阵乘法的MapReduce计算
- Hadoop MapReduce实现矩阵的乘法
- Hadoop与Spark算法分析(三)——矩阵乘法
- 【甘道夫】Mapreduce实现矩阵乘法的算法思路
- 一些算法的MapReduce实现——矩阵分块乘法计算(1)
- Hadoop之mapreduce,矩阵相乘算法
- 用Python写一个 Hadoop MapReduce 程序
- 程序算法艺术与实践:递归策略之矩阵乘法问题
- python实例(乘法表)
- 二分K均值算法原理及Spark MLlib调用实例(Scala/Java/Python)
- Python+Hadoop Streaming实现MapReduce(word count)
- python矩阵转换为一维数组的实例