475 Katta ma’lumotlardan foydalanishning asosiy muammolari, arxitekturasi va algoritmlari Xudoyberganova Indira Ilhomovna

MapReduce taqsimlangan ma’lumotlar modeli
MapReduce dasturiy tizim Google kompaniyasi tomonidan yaratigan bo‘lib, Google File 
System taqsimlangan fayl tizim asosida amalga oshirilgan. Bu 
maxsulot Google
 
kompaniyasining xususiy mulki hisoblanadi. SHuningdek, MapReduce erkin va ochiq dasturiy 
maxsulot hisoblanadi. MapReduce modelida barcha hisoblash muolajalari “kalit-qiymat” deb 
ataladigan juftlik to‘plami ustida amalga oshiriladi. MapReduce muhitida hisoblashlarni amalga 
oshirishda ikkita muhim «Map» va «Reduce» funksiyalaridan foydalaniladi (1-rasm). 
1. «Map» bosqichida ma’lumotlar foydalanuvchi tomonidan aniqlangan map() funksiyasi 
orqali qayta ishlanib, filtrlanadi va “kalit-qiymat”dan 
iborat
 ma’lumotlar to‘plamini hosil qiladi. 

---

478 
Bu erda kalit muhim axamiyatga ega. CHunki, keyinchalik bir xil qiymatli kalitlar bir xildagi 
Reduce() funksiyasiga yuboriladi. map() funksiyaning barcha ekzemplyarlari bir-biridan 
mustaqil parallel holda ishlashi mumkin.
2. «Reduce» bosqichi. Reduce() funksiyasi ham foydalanuvchi tomonidan yoziladi. Unda 
oldingi bosqichda hosil bo‘lgan barcha “kalit-qiymat” yozuvlarga kalitiga qarab ishlov beriladi. 
Funksiya qaytaridgan qiymat MapReduce masalaning oxirgi natijasi hisoblanadi. Reduce() 
funksiyaning ishlayotgan barcha 
ekzemplyarlari bir-biridan
mustaqil parallel holda ishlashi 
mumkin.
MapReduce texnologiyasi katta hajmdagi ma’lumotlarga minglab kompyuterlar orqali 
ishlov berishga mo‘ljallangan. 
SHuning uchun
, unda albatta alohida kompyuterlarning ishdan 
chiqishi holatlariga nisbatan turg‘unlik xususiyati bo‘lishi kerak. SHuning uchun, 
MapReduce 
texnologiyasi
, minglab kompyuterlarni jalb qilish bilan, turg‘unlik va kengayish talablarini 
ta’minlay oladi. 
1-rasm. MapReduce taqsimlangan ma’lumotlarga ishlov berish texnologiyasi 

---