基于MapReduce的不確定查詢處理技術(shù)的研究與實現(xiàn).pdf

1、數(shù)據(jù)的不確定性在諸多現(xiàn)實的應(yīng)用中廣泛存在，如電信、軍事、金融、經(jīng)濟(jì)、物流等領(lǐng)域。且不確定數(shù)據(jù)廣泛應(yīng)用于RFID網(wǎng)絡(luò)、市場分析、移動對象跟蹤以及環(huán)境維護(hù)等應(yīng)用。由于這些應(yīng)用的重要性及收集、累積不確定數(shù)據(jù)數(shù)量的猛增，對這些數(shù)據(jù)進(jìn)行查詢已經(jīng)成為一個重要的任務(wù)，并日益成為數(shù)據(jù)庫研究者關(guān)注的焦點(diǎn)。而由于數(shù)據(jù)規(guī)模急劇的海量增長，致使在數(shù)目有限的存儲服務(wù)器上很難容納這樣海量的待處理數(shù)據(jù)，更無法由有限數(shù)目的計算服務(wù)器來處理。用并行處理技術(shù)來處理這樣的海

2、量不確定數(shù)據(jù)已成為現(xiàn)在發(fā)展的一個趨勢。
　　本文詳細(xì)研究了Google的開源Hadoop并行計算模型MapReduce的計算框架以及貝葉斯網(wǎng)絡(luò)的不確定性推理技術(shù)，充分利用了MapReduce在處理海量數(shù)據(jù)集時的并行性處理特性，提出了一種面向貝葉斯網(wǎng)絡(luò)不確定性推理的精確推理算法的并行化處理框架。該算法主要實現(xiàn)了利用MapReduce的并行編程模型來處理貝葉斯網(wǎng)絡(luò)變量消元算法的并行化過程，將貝葉斯網(wǎng)絡(luò)中節(jié)點(diǎn)的聯(lián)合概率邊緣化。