Resumen

En la actualidad, el crecimiento explosivo de datos y el estado de almacenamiento masivo han traído muchos problemas como la complejidad computacional y la insuficiente potencia computacional a la investigación de agrupamiento. La plataforma de computación distribuida a través del equilibrio de carga configura dinámicamente una gran cantidad de recursos informáticos virtuales, rompiendo efectivamente la barrera de consumo de tiempo y energía, y mostrando sus ventajas únicas en la minería de datos masivos. Este artículo estudia extensamente el k-medias paralelo. En primer lugar, este artículo inicializa un muestreo aleatorio y en segundo lugar, paraleliza el proceso de cálculo de distancias que proporciona independencia entre los objetos de datos para realizar análisis de clusters en paralelo. Después del procesamiento paralelo de MapReduce, utilizamos muchos nodos para calcular distancias, lo que acelera la eficiencia del algoritmo. Finalmente, se paraleliza el agrupamiento de los objetos de datos. Los resultados muestran que nuestro método puede proporcionar servicios de manera eficiente y estable,

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Crecimiento explosivo; Minería de datos; Plataforma de computación distribuida; -means paralelo; MapReduce; Análisis de clústeres
• Keywords:Explosive growth; Data mining; Distributed computing platform; Parallel -means; MapReduce; Cluster analysis