The job completion time in MapReduc

The job completion time in MapReduce depends on the
slowest running task in the job. If one task takes significantly
longer to finish than others (the so-called straggler), it can
delay the progress of the entire job. Stragglers can occur due
to various reasons, among which data skew is an important
one. Data skew refers to the imbalance in the amount of data
assigned to each task, or the imbalance in the amount of
work required to process such data. The fundamental reason of data skew is that datasets in the real world are often
skewed and that we do not know the distribution of the
data beforehand. Note that this problem cannot be solved
by the speculative execution strategy in MapReduce

ผลลัพธ์ (ไทย) 1:

เวลาเสร็จงานใน MapReduce ขึ้นอยู่กับการเรียกใช้งานในงาน slowest ถ้าใช้งานหนึ่งอย่างมีนัยสำคัญยาวจนจบกว่าคนอื่น ๆ (straggler เรียก), สามารถหน่วงความคืบหน้าของงานทั้งหมด Stragglers สามารถเกิดครบกำหนดเพื่อเหตุผลต่าง ๆ ระหว่างการเอียงของข้อมูลเป็นสำคัญหนึ่ง การเอียงของข้อมูลหมายถึงความไม่สมดุลของจำนวนข้อมูลกำหนดให้กับแต่ละงาน หรือความไม่สมดุลของจำนวนงานที่ต้องประมวลผลข้อมูลดังกล่าว เหตุผลพื้นฐานของข้อมูลต้นฉบับเอียงอัตโนมัติคือ datasets จริงมักนี้ และที่เราไม่ทราบการกระจายของการข้อมูลล่วงหน้า หมายเหตุว่า ไม่สามารถแก้ไขปัญหานี้โดยกลยุทธ์การเก็งกำไรใน MapReduce

ผลลัพธ์ (ไทย) 2:

เวลาที่เสร็จสิ้นงานใน MapReduce
ขึ้นอยู่กับงานที่ทำงานที่ช้าที่สุดในงาน หากหนึ่งในงานที่ต้องใช้เวลาอย่างมีนัยสำคัญอีกต่อไปที่จะเสร็จสิ้นกว่าคนอื่น ๆ (คนล้าหลังที่เรียกว่า) ก็สามารถชะลอความคืบหน้าของงานทั้งหมด พลัดหลงอาจเกิดขึ้นเนื่องจากเหตุผลต่างๆในหมู่ที่ลาดข้อมูลที่มีความสำคัญอย่างใดอย่างหนึ่ง ลาดข้อมูลหมายถึงความไม่สมดุลในปริมาณของข้อมูลที่ได้รับมอบหมายให้แต่ละงานหรือความไม่สมดุลในจำนวนของการทำงานที่จำเป็นในการประมวลผลข้อมูลดังกล่าว เหตุผลพื้นฐานของข้อมูลที่เอียงคือชุดข้อมูลในโลกแห่งความจริงมักจะเบ้และที่เราไม่ทราบว่าการกระจายของข้อมูลก่อน โปรดทราบว่าปัญหานี้ไม่สามารถแก้ไขได้โดยการดำเนินกลยุทธ์การเก็งกำไรใน MapReduce

ผลลัพธ์ (ไทย) 3:

งานเสร็จในเวลา mapreduce ขึ้นอยู่กับ
ช้าวิ่งงานในงาน ถ้างานใช้เวลาอย่างมาก
จนเสร็จสิ้นกว่าคนอื่น ( หลงทางที่เรียกว่า ) , มันสามารถ
ล่าช้าความคืบหน้าของงานทั้งหมด พลัดหลงสามารถเกิดขึ้นเนื่องจาก
เหตุผลต่าง ๆ ระหว่างที่ข้อมูลที่บิดเบือนเป็นสำคัญ
1 ข้อมูลที่บิดเบือนอ้างถึงความไม่สมดุลในจํานวนข้อมูล
มอบหมายให้แต่ละงานหรือความไม่สมดุลในจํานวน
งานต้องนำข้อมูลดังกล่าว เหตุผลพื้นฐานของข้อมูลที่บิดเบือนว่า ข้อมูลในโลกแห่งความจริงมัก
เบ้ และที่เราไม่ทราบการกระจายตัวของ
ข้อมูลล่วงหน้า ทราบว่า ปัญหานี้ไม่สามารถแก้ไขได้โดยกลยุทธ์การเก็งใน
mapreduce