1. Mapreduce框架

1.1 Mapreduce介绍

Mapreduce 是谷歌提出的一个分布式计算框架， 利用该框架， 能够让用户方便地利用多机并行处理数据。 该框架有两个重要的函数： Map 和 Reduce， Map 函数对整个输入数据进行处理， 按照用户定义的处理方式， 从输入的数据中产生中间键值对（ key， value）。Reduce 函数对这些键值对进行处理， 相同 key 的键值对由同一个 Reduce 进程进行处理。最终将处理的结果进行合并。 整个处理流程如下：

1.2 Phoenix & Metis

Phoenix 是由斯坦福大学基于多核多处理器系统实现的一套 mapreduce 框架， Phoenix框架能够自动管理线程的创建， 动态任务调度， 数据划分和故障容错。 本质上与用户写的多线程程序没有区别， 只不过通过这个框架， 能够更容易编写出能够划分为“map-reduce-merge”模式的数据处理业务。

Metis 框架是在 Phoenix 的基础上改进而来， Phoenix 中在 map 阶段使用哈希表， 对于哈希表中的每条条目使用排序数组进行保存， 而 Metis 采用了 BTree 的方式进行了代替， 以此来提高速度。

2. Metis 框架

2.1 三种数据处理模式

• map_reduce
• map_group
• map_only

2.2 框架使用

struct SPFA: public map_reduce{
    bool split(split_t *out, int ncores);
    void map_function(split_t *ma);
    void reduce_function(void *k, void **v, size_t length);
    int key_compare(const void *s1, const void *s2);
};

• split： 数据切分函数， 在这里根据 ncores 参数， 用户 自定义如何划分数据， 并将数据切分信息保存在 out 中。

• Map_funcion:对每个数据分片进行处理， 产生键值对。

• Reduce_function:对键值对进行处理。

• Key_compare: 用户自定义键值对的比较函数

2.3 程序执行流程

    SPFA app;
    app.set_reduce_task(reduce_tasks);
    app.set_ncore(nprocs);
    mapreduce_appbase::initialize();
    app.sched_run();
    mapreduce_appbase::deinitialize();

• set_reduce_task: 设置 reduce 线程的数量

• set_ncore: 设置使用的核数

• sched_run: 程序启动， 内部会先后调用数据切分， map， reduce， merge 等操作

• map 线程数量： 由数据切分函数间接控制， 数据分块的数量对应 map_tasks。

3. 单源最短路经算法

3.1 SPFA 算法

SPFA 的思想十分简单， 简单说是加队列优化后的 bellman-ford 算法， 利用松弛操作， 更新距离。 通过引入队列， 有以下几个优化：

• 减少松弛操作： bellman-ford 算法每次迭代中， 不需利用所有的点对其他的点进行松弛操作， 减少了松弛次数。

• 负环判断： 通过点进入队列的次数， 可以判断是否存在负环， 如果进入队列 n 次， 则说明存在负环。

3.2 Dijkstra 算法

Dijkstra 算法采用贪心的方式， 每次从更新的节点中， 选出最小并且该点的值不可能再由剩下的节点来更新(无负环的情况下)。

4. 实现设计

4.1 SPFA算法实现

图的存储方式： 二维数组
数据处理模式： map_only
Mapreduce 处理过程：

1. 数据划分： 将整个图的节点集合按 map_tasks 数量进行均匀划分， 每个 map 处理其中一部分。

2. Map： 在一个数据分片中， 使用更新队列$^{[1]}$中所有的点对当前数据分片进行松弛操作， 如果出现更新操作， 在标记数组$^{[2]}$中对该点进行记录， 并修改 dist$^{[3]}$数组的值。

3. 替换更新队列： 清空更新队列， 将标记数组中标记过的节点加入更新队列， 用
   于下一次迭代对其他节点进行松弛操作。

4. 如果更新队列为空， 迭代结束， 否则继续下一次迭代。

说明:
[1] 更新队列： 节点被更新后放入的队列， 依次使用该队列中的节点对整个图的节点进行松弛操作。
[2] 标记数组： 用来标记该节点在当前迭代中是否被更新过， 作为是否放入下一次迭代中更新队列的依据。
[3] dist 数组： 源点到其他点的最近距离， 初始值为无穷大。

4.2 Dijkstra 算法实现

图的存储方式： 二维数组
数据处理模式： map_reduce
Mapreduce 处理过程：

1. 数据划分： 将整个图的节点集合按 map_tasks 数量进行均匀划分， 每个 map 处理其中一部分。

2. Map： 在一个数据分片中， 使用当前未使用中离源点最近的点来对数据分片中
   点的距离进行松弛操作， 如果出现更新操作， 发送以(点的编号%reduce_tasks)的值作为 key，点的编号作为 value 的键值对。

3. Reduce： 在每个 reduce 中， 找出当前离源点最近的点， 发送(点的编号， 点的距离)的键值对。

4. 寻找最近的点： 在最终处理完的结果数组 result_中,挑选出离源点最近的点， 用
   来在下一次迭代中更新其他点。 如果 result_数组为空， 退出迭代。
   说明： 将整个找离源点最近的点分为了两个阶段， 先在 reduce 阶段求出了局部最近， 最后在局部最近的结果集中求出全局最近的点。