4 Jähriger Mittelwert

Gleitende Mittelwerte Wenn diese Informationen auf einem Diagramm gezeichnet werden, sieht es so aus: Dies zeigt, dass es eine große Variation der Besucherzahl je nach Saison gibt. Es gibt weit weniger im Herbst und Winter als im Frühjahr und Sommer. Wenn wir jedoch einen Trend in der Anzahl der Besucher sehen wollten, könnten wir einen 4-Punkte-Gleitender Durchschnitt berechnen. Wir erreichen dies durch die durchschnittliche Besucherzahl in den vier Quartalen 2005: Dann finden wir die durchschnittliche Besucherzahl in den letzten drei Quartalen 2005 und im ersten Quartal 2006: Dann die letzten beiden Quartale 2005 und die ersten beiden Quartale Von 2006: Das letzte Mittel, das wir finden können, ist für die letzten zwei Quartale von 2006 und die ersten zwei Quartale von 2007. Wir zeichnen die gleitenden Durchschnitte auf einem Diagramm und stellen sicher, dass jeder Durchschnitt in der Mitte der vier Viertel geplottet wird Es deckt: Wir können jetzt sehen, dass es einen sehr leichten Abwärtstrend bei den Besuchern gibt. David, Ja, MapReduce soll mit einer großen Datenmenge arbeiten. Und die Idee ist, dass im Allgemeinen die Karte und reduzieren Funktionen sollte nicht kümmern, wie viele Mapper oder wie viele Reduzierer gibt es, die nur Optimierung ist. Wenn Sie sorgfältig über den Algorithmus ich gepostet denken, können Sie sehen, dass es doesn39t Angelegenheit, welche Mapper bekommt, welche Teile der Daten. Jeder Eingabesatz ist für jede reduzierte Operation verfügbar, die es benötigt. Ndash Joe K 18. September um 22:30 Im besten Fall meines Verständnisses gleitende Durchschnitt ist nicht schön Karten MapReduce-Paradigma, da seine Berechnung im Wesentlichen Schiebefenster über sortierte Daten ist, während MR Verarbeitung von nicht geschnittenen Bereichen von sortierten Daten. Lösung, die ich sehe, ist wie folgt: a) Um benutzerdefinierte Partitionierer zu implementieren, um zwei verschiedene Partitionen in zwei Durchläufen zu machen. In jedem Lauf erhalten Ihre Reduzierer verschiedene Bereiche der Daten und berechnen gleitenden Durchschnitt, wo passend, werde ich versuchen zu illustrieren: Im ersten Lauf Daten für Reduzierer sollte: R1: Q1, Q2, Q3, Q4 R2: Q5, Q6, Q7, Q8 . Hier werden Sie gleitenden Durchschnitt für einige Qs cacluate. Im nächsten Lauf sollten Ihre Reduzierer Daten wie erhalten: R1: Q1. Q6 R2: Q6. Q10 R3: Q10..Q14 Und caclulate den Rest der gleitenden Durchschnitte. Dann müssen Sie Ergebnisse zu aggregieren. Idee der benutzerdefinierten Partitionierer, dass es zwei Modi der Operation haben wird - jedes Mal in gleiche Bereiche, aber mit einigen Verschiebung. In einem Pseudocode sieht es so aus. Partition (keySHIFT) (MAXKEYnumOfPartitions) Dabei gilt: SHIFT wird aus der Konfiguration übernommen. MAXKEY-Maximalwert der Taste. Ich nehme zur Vereinfachung an, dass sie mit Null beginnen. RecordReader, IMHO ist keine Lösung, da es auf bestimmte Split beschränkt ist und kann nicht über Splits Grenze gleiten. Eine weitere Lösung wäre, um benutzerdefinierte Logik der Aufteilung der Eingangsdaten (es ist Teil der InputFormat) zu implementieren. Es kann getan werden, um 2 verschiedene Folien, ähnlich wie die Partitionierung zu tun. Beantwortet Sep 17 12 at 8:59