Metric Similarity Joins Using MapReduce论文总结

---

Abstract

给定两个对象集 Q 和 O，度量相似性连接根据特定标准找到相似的对象对。
如今快速增长的数据量对传统的度量相似性连接方法提出了挑战，因此需要一种分布式方法。在本文中，我们采用了一种流行的分布式框架，即 MapReduce，来支持可扩展的度量相似性连接。
为了确保负载平衡，我们提出了两种基于采样的分区方法。

• 一种利用枢轴和空间填充曲线映射将数据聚集到一维空间中，然后选择高质量的质心来实现等大小的分区。
• 另一个使用 KD-tree 分区技术在数据透视映射后平均划分数据。
<