سمانه محمودزاده - دانشگاه آزاد اسلامی واحد نجف آباد
کامران زمانی فر - دانشگاه آزاد اسلامی واحد نجف آباد

حل برخی از مسائل علمی به دلیل نیاز به منابع پردازشی بالا حتی با سریعترین کامپیوترها بسیار زمانگیر و ناکارآمد است. یک راه حلبرای این مشکل می تواند استفاده از سیستم های توزیعشده و انجام کارها به صورت موازی باشد. برای اینکه این مسائل برروی یک سیستم توزیع شده انجام شود و کارهای موازی سازی، کنترل و مدیریت خطاها به صورت خودکار انجام شوند و برنامه نویسی به شکل سادهتری قابل انجام باشد باید مسائل به یک چارچوب برنامه نویسی تبدیل شوند. چارچوب MapReduce یکی از معروفترین چارچوبهای موجود است که تمام قابلیت های بالا را داراست. این مقاله با پیادهسازی سه الگوریتم محاسبات علمی به بررسی بیشتر این چارچوب و قابلیت آن در حل مسائل علمی پرداخته است. سرعت اجرای این الگوریتمها نشان میدهد این چارچوب سرعت خوبی در حل مسائل علمی دارد و به خصوص در الگوریتم های کاملا موازی که کارها به طور کامل مستقل از هم انجام می شوند؛ سرعتی در حد ایده آل دارد.

مپ ردیوس (MapReduce)، هدوپ (Hadoop)