tokyo webmining #12 hapyrus
DESCRIPTION
第12回 データマイニング+WEB @東京 ( #TokyoWebmining 12th)-機械学習MapReduce・大規模R解析 祭り- 「HapyrusでHadoopによる機械学習を簡単に」TRANSCRIPT
第 12 回 データマイニング+WEB @東京
で Hadoop による機械学習を簡単に
Hapyrus Inc.藤川幸一 @fujibee
自己紹介藤川幸一 Hapyrus Inc. 代表
◦ Twitter: @fujibee学生時代から IT ベンチャーに参加電脳隊・ PIM → Yahoo! JAPAN → テクノロ
ジックアート → シンプレクス・テクノロジー → シリウステクノロジーズ → (Yahoo!?) → 独立
IPA 未踏人材育成事業クリエータ◦ Hadoop Papyrus = Hadoop middleware for
scripting Ruby DSLNII 本位田研究室詳しい経歴は LinkedIn にて
package org.apache.hadoop.examples;
import java.io.IOException;import java.util.StringTokenizer;
import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.Path;import org.apache.hadoop.io.IntWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Job;import org.apache.hadoop.mapreduce.Mapper;import org.apache.hadoop.mapreduce.Reducer;import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;import org.apache.hadoop.util.GenericOptionsParser;
public class WordCount {
public static class TokenizerMapper extendsMapper<Object, Text, Text, IntWritable> {
private final static IntWritable one = new IntWritable(1);private Text word = new Text();
public void map(Object key, Text value, Context context)throws IOException, InterruptedException {StringTokenizer itr = new StringTokenizer(value.toString());while (itr.hasMoreTokens()) {word.set(itr.nextToken());context.write(word, one);}}}
public static class IntSumReducer extendsReducer<Text, IntWritable, Text, IntWritable> {private IntWritable result = new IntWritable();
public void reduce(Text key, Iterable<IntWritable> values,Context context) throws IOException, InterruptedException {int sum = 0;for (IntWritable val : values) {sum += val.get();}result.set(sum);context.write(key, result);}}
public static void main(String[] args) throws Exception {Configuration conf = new Configuration();String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();if (otherArgs.length != 2) {System.err.println("Usage: wordcount <in> <out>");System.exit(2);}Job job = new Job(conf, "word count");job.setJarByClass(WordCount.class);job.setMapperClass(TokenizerMapper.class);job.setCombinerClass(IntSumReducer.class);job.setReducerClass(IntSumReducer.class);job.setOutputKeyClass(Text.class);job.setOutputValueClass(IntWritable.class);FileInputFormat.addInputPath(job, new Path(otherArgs[0]));FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));System.exit(job.waitForCompletion(true) ? 0 : 1);}}
同様な処理が Java では 70 行必要だが、HadoopPapyrus だと 10 行に!
dsl 'LogAnalysis‘
from ‘test/in‘to ‘test/out’
pattern /\[\[([^|\]:]+)[^\]:]*\]\]/column_name :link
topic "link num", :label => 'n' do count_uniq column[:link]end
Java
Hadoop Papyrus
Hadoop の何が
うれしいのか
Hadoop 開発の
問題点
最初の敷居が高い!
1. サーバやサービスの大量セットアップ
2. MapReduce???
3. クラスタの運用
Hadoop PaaS&
マーケットプレイス!
=
Hapyrus とは大量分散データ処理 (Hadoop 利用 ) の
ための Web サービスHadoop アプリケーションのための
◦PaaS =開発・実行◦ディストリビューション=マーケットプレ
イスクラウド環境上で動作 (EC2 ・ S3
etc.)基本利用は無料・アプリケーション購
入や大量データ処理のみ課金
Demo
http://hapyrus.com/
現在一般登録可能!フィードバック募集中
将来への課題Hadoop Streaming のみ
◦Ruby, Phthon, Perl外部ライブラリ依存は難しい多段実行は手動S3 書き出し(近々実装予定)アプリ公開(近々実装予定)無料アプリのみまだまだアプリケーション不足・・
まとめHapyrus は Hadoop PaaS & マー
ケットプレイスウェブサービス大規模機械学習に必要なデータの操
作を行ったりスクリプトを公開することで Knowledge も共有できる
現在ベータ公開中。どんどんバージョンアップします!
ありがとうございました!
Twitter: @hapyrus_ja