使用协同过滤算法计算用户偏好，用了多个MapReduce处理该业务，每次生成的文件存储在集群上，最后实现JobContorl，并将所需数据存储到mysql中

大数据技术的两个基本要点是分布式存储和多点并行运算，Hadoop的分布式文件系统HDFS和并行运算框架Hadoop MapReduce分别予以了实现。计算机集群中的每个节点既是存储节点，也是运算节点，HDFS将大数据文件分布存储在集群中的各个节点，并通过MapReduce编程框架将用户定义的算法“输送”至各数据节点执行运算。实现了更广泛更灵活的运算与存储资源的调度。

针对用电数据量大、用电数据挖掘效率低等问题,采用理论分析和实验的方法,进行用电数据并行分析构架的研究,研究了Canopy和K-means两种典型的聚类算法,提出一种新的聚类思路,使用Canopy先对用电数据进行粗略处理,得到聚类个数和聚类中心,再用K-means精确聚类,既利用了K-means算法简单、收敛速度快的优势,又使其不容易陷入局部最优.为达到处理海量数据的目的,把提出的算法部署到MapReduce框架上进行实验.研究结果表明:提出的算法在海量用电数据的处理方面高效可行,并且具有良好的加速比.

这个资源用来打包eclipse插件，进而进行mapreduce程序的开发

美国新冠疫情MR案例数据集

内涵三篇谷歌发表的中文版大数据起源之Hadoop论文，Google-Bigtable中文版_1.0，Google-File-System中文版_1.0，Google-MapReduce中文版_1.0

hadoop安装与配置及mapreduce测试网站

Google有名的关于云计算领域的三篇经典论文,及对应中文翻译文档，都集中在一起

google 分布式三大奠基理论之一

google早期的大数据论文 主要介绍google-bigtable google-file-sysytem google-mapreduce 尽管其中有些技术已经过时，但读完后很有启发，码