MATLAB MapReduce e Hadoop

MATLAB® ha numerose funzionalità per esplorare e analizzare set di big data. Fra esse troviamo MapReduce, una potente tecnica standard di programmazione per l’applicazione di filtri, statistiche e altri metodi generali di analisi ai big data.

La funzionalità MapReduce incorporata in MATLAB consente di analizzare i dati che non rientrano nella memoria. Con l’esecuzione degli algoritmi basati su MapReduce in parallelo (con l’uso di Parallel Computing Toolbox™), è possibile utilizzare al meglio le risorse di elaborazione del desktop senza modificare gli algoritmi.

Per analizzare i dati in MATLAB con MapReduce:

  1. Specificare i dati che si desidera analizzare utilizzando datastore
  2. Creare le funzioni di mappa e riduzione in MATLAB
  3. Eseguire la mappa e ridurre le funzioni con l’uso di mapreduce

Mentre MATLAB MapReduce è ottimizzato per analisi basate su array, è completamente compatibile con Hadoop MapReduce, per cui è possibile eseguire gli algoritmi basati su MapReduce all’interno del framework Hadoop MapReduce:


MapReduce sul desktop

Esplorare e analizzare i set di big data sul desktop, con la tecnica di programmazione MapReduce incorporata in MATLAB.

MapReduce su Hadoop

Eseguire algoritmi basati su MATLAB MapReduce all’interno di Hadoop MapReduce per esplorare e analizzare i dati memorizzati e gestiti in Hadoop, facendo uso di MATLAB Distributed Computing Server.

Creare applicazioni e librerie basate su MATLAB MapReduce per lo sviluppo all’interno di istanze di produzione di Hadoop, utilizzando MATLAB Compiler.


Vedere anche: big data con MATLAB

Video e Webinar

Dal web


Casi utente:

  • Large Scale Driving Data Analysis (42:23)
    Presentazione di Clément Val, di CEESAR, che descrive un framework di elaborazione dati basato su MATLAB
  • Analyzing Fleet Test Data
    Esempio di come Daimler AG utilizza MATLAB per l’analisi e la rendicontazione di dati di test di veicoli con celle a combustibile
  •