Algorytm K Means równolegly oparty na Hadoop MapReduce do eksploracji danych

Celem niniejszej pracy by¿o zbadanie zastosowania algorytmu grupowania K-Means równoleg¿ego, opartego na modelu programowania MapReduce, w celu poprawy czasu odpowiedzi eksploracji danych. Wydajno¿¿ algorytmu zostäa oceniona pod k¿tem SpeedUp i ScaleUp. W tym celu przeprowadzono eksperymenty w klastrze Hadoop z¿o¿onym z sze¿ciu komputerów o standardowej specyfikacji sprz¿towej. Zgrupowane dane to pomiary wie¿ przep¿ywowych regionów rolniczych i nale¿¿ do Ameriflux. Eksperymenty przeprowadzono przy u¿yciu odpowiednio 3, 4 i 6 maszyn. Wyniki pokazäy, ¿e wraz ze wzrostem liczby maszyn nast¿pi¿ wzrost wydajno¿ci, przy czym najlepszy czas uzyskano przy u¿yciu sze¿ciu maszyn, osi¿gaj¿c SpeedUp na poziomie 3,25. Stwierdzono, ¿e aplikacja dobrze skaluje si¿ wraz z równowänym wzrostem rozmiaru danych i liczby maszyn w klastrze, osi¿gaj¿c zbli¿on¿ wydajno¿¿ w testach.