Algoritmo K-Means paralelo baseado em Hadoop-MapReduce para Mineração de dados agrícolas

ISBN-13: 9783841723536 / Portugalski / Miękka / 2016 / 68 str.

Lays Helena Lopes Veloso; Luciano José Senger

Opis

Este trabalho teve como objetivo investigar a utilização de um algoritmo de agrupamento K-Means paralelo, com base no modelo de programação MapReduce, para melhorar o tempo de resposta da mineração de dados. O desempenho do algoritmo foi avaliado quanto ao SpeedUp e ScaleUp. Para isso foram executados experimentos em um cluster Hadoop formado por seis computadores de hardware comum. Os dados agrupados são medições de torres de fluxo de regiões agrícolas e pertencem a Ameriflux. Os experimentos foram executados usando 3, 4 e 6 máquinas, respectivamente. Os resultados mostraram que com o aumento do número de máquinas houve ganho no desempenho, sendo que o melhor tempo obtido foi usando seis máquinas, chegando ao SpeedUp de 3,25. Verificou-se que a aplicação escala bem com o aumento equivalente do tamanho dos dados e do número de máquinas no cluster, atingindo um desempenho próximo nos testes.

O autorze

Atualmente é doutoranda em Informática na Pontifícia Universidade Católica do Paraná (PUCPR). Obteve título de mestre em Computação Aplicada na Universidade Estadual de Ponta Grossa, no ano de 2015. Possui graduação em Análise e Desenvolvimento de Sistemas pela Universidade Tecnológica Federal do Paraná (2012).