外文翻译（中文）--对于Hadoop处理小文件的性能优化

1、PDF外文：http:/ 中文 4310 字      对于 Hadoop 处理小文件的 性能 优化    Neethu Mohandas 和 Sabu M. Thampi 印度 科钦 Rajagiri工程 与 技术 学院   摘要  Hadoop是由 Dong Cutting提出的，一个顶级的 Apache项目。用于支持 千级别的庞大数据的分布式应用。它是一个开源的软件框架，灵感来自于谷歌的 MapReduce编程模型和谷歌的系统文件。它是由全球社区的开发者用 java共同研发的。Hadoop被广泛地应用与世界各地的各种学

2、术科研机构和商业组织，还 包括了common hadoop， hadoop文件系统 (HDFS)和 MapReduce作为其子项目。 common hadoop包含了支持其他子项目的通用工具。 HDFS是一个高性能的分布式文件系统，Hadoop给予了 HDFS高度的访问程序数据的性能。 它还通过数据复制提高了可靠性，并 同时 保持数据的完整性 。 MapReduce的是基于 MapReduce算法 的一个 能 在集群上进行大量的分布式数据计算的 软件框架 。 虽然 Hadoop被广泛的使用，但是由于种种问题，它的潜力还没有被充分发挥出来，小文件的问题就是其中之一。在 hadoop的 0.18.

3、0版本开始， hadoop归档被作为处理小文件的解决方案被引入 hadoop。 文件序列化也可以作为一种解决方案。这两种解决方案各自有自己的优点和缺点。我们提出的与建议预计将获得两个解决方案的优点，同时确保 hadoop有一个更好的性能。   关键词 ： hadoop， hadoop分布式文件系统（ HDFS） ,MapReduce，小文件问题， hadoop归档，文件序列化    1 绪论  在分布式计算的时代， hadoop飞速发展起来，它在涉及 TB和 PB级别的计算处理中，表现出极佳的性能和高效的处理能力。 这些成就可能源于一个名为MapRedu

4、ce的底层软件架构和一个名为 HDFS的分布式文件系统。 MapReduce正像它的名字表现的，是一个基于 Map和 Reduce两步的支持大量计算的软件框架。 Map和 Reduce两个步骤的概念都源于函数是编程语言。 在 2004年的 OSDI中，谷歌提交了一份关于 MapReduce的文件，标志着这项工程的动工。 Hadoop是基于 java的MapReduce实现，它的基 本概念即为将一个巨大的难以管理的计算分成更小的可管理的块。 HDFS，从另一方面来说，是受了谷歌文件系统的启发。 它依靠它的可靠的数据存储 ， 数据的高完整性，以及最重要的高吞吐量，来 支持 hadoop高性能的大型计算。 因此， Hadoop广泛地受到了网络，搜索，金融，科研机构等市场的青睐。