典型文献
基于近邻回归的Spark性能优化方法
文献摘要：
Spark是一种基于内存的分布式计算模型,相较于Hadoop的MapReduce模型有非常大的性能提升,因此Spark模型广泛应用于大数据处理工作中.基于其应用的广泛性,如何提升Spark的性能,成为一个焦点问题.现阶段,最为常用的一类优化方式就是通过机器学习构建配置参数-性能模型,再通过智能算法求解性能模型获得最优配置解的方式.但是Spark在工作过程中受到多方面的影响,易造成样本的观察结果产生波动.这种波动会对模型的性能产生负面影响.对此,提出一种基于近邻回归的方法构建Spark性能模型,通过近邻的注意力机制降低样本观测波动的影响,提升模型质量,从而更好地提升Spark的性能.
文献关键词：
近邻回归;性能优化;Spark
中图分类号：
作者姓名：
张威
作者机构：
湖北中医药大学,湖北 武汉 430065
文献出处：
引用格式：
[1]张威-.基于近邻回归的Spark性能优化方法)[J].电视技术,2022(09):47-50
A类：
B类：
近邻回归,Spark,性能优化方法,分布式计算,Hadoop,MapReduce,性能提升,大数据处理,广泛性,焦点问题,优化方式,配置参数,性能模型,智能算法,最优配置,注意力机制,本观
AB值：
0.343322
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
