MapReduce: diferència entre les revisions

MapReduce té una gran utilitat per a un gran nombre d'aplicacions. Entre elles s'inclou la cerca distribuïda basada en patrons (distributed pattern-based searching) , distributed sorting, web link-graph reversal, Singular Value Decomposition,[20] web access log stats, inverted index construction, document clustering, machine learning,[21] andi statistical machine translation.

A més, el model MapReduce ha estat adaptat a diversos àmbits de la computació com els sistemes multi-core i many-core, ] [23][24]Graella de càlcul|desktop grids]],[25] multi-[[Clúster|cluster,[27]], entorns de dynamic cloud,[28] entorns mòbils,[29] i entorns de high-performance computing.[30]

Per exemple, a Google , MapReduce va ser utilitzat per a regenerar completament líndex de google de la [[World Wide Web]]. Ha substituït els antics programes ''ad'' ''hoc'' [ref] que s'encarregaven d'actualitzar l'índex i fer diverses anàlisis. Des de llavors, el desenvolupament de Google ha canviat a tecnologies com Percolator, FlumeJava i MillWheel que ofereixen operacions i actualitzacions streaming en comptes del processament per lots. D'aquesta manera es permet integrar pràcticament en temps real nous resultats de cerca sense haver de reconstruir completament l'índex.