Apache Ignite map-reduce 解方程的方法
Apache Ignite map-reduce way of solving equations
我有一个可以用树描述的方程式。所以叶子是父顶点作为数学运算符的值，当计算完成时，另一个值出现在父顶点的位置并且它变成具有父顶点的叶子（作为数学运算符）。这棵树是不平衡的，深度可能不均匀，这取决于你追求的是哪个分支。
我需要知道的是如何使用 Apache ignite（我选择它是因为它的事件传播机制适合我的需要）以便通过发送不同深度的所有叶子（连同它们的父顶点）来并行化以此类推，直到计算出方程。
我是否为此使用了错误的技术？
这个问题不适合 map-reduce 技术吗？
最好的技术是什么，它还内置了事件传播技术？
我只差 1 点悬赏...
编辑：增加赏金。本质上，我的要求是在分布式计算解决方案中计算可变子问题，而不是类似的映射减少问题。存在任何解决方案吗？任何想法表示赞赏。
使用 Ignite 是可能的。您需要实现 ComputeTaskAdapter 的 map() 和 reduce() 方法。第一种方法将您的任务映射到节点，第二种方法收集计算结果。参考 example.
之后，如果之前的 reduce 返回了结果集合，您可以 运行 再次执行它。
要减少传输的数据量，您可以使用缓存，并在其中存储中间数据。如果您将任务映射到具有所需数据的节点，则所有条目都将在本地可用于该任务，并且不需要从远程节点查询它们。要以这种方式映射任务，您可以使用
ClusterNode dataNode = ignite.affinity("cacheName").mapKeyToNode("key");
这里dataNode是这个key的主节点，如果task会在上面启动，整个entry会在本地可用。
我有一个可以用树描述的方程式。所以叶子是父顶点作为数学运算符的值，当计算完成时，另一个值出现在父顶点的位置并且它变成具有父顶点的叶子（作为数学运算符）。这棵树是不平衡的，深度可能不均匀，这取决于你追求的是哪个分支。
我需要知道的是如何使用 Apache ignite（我选择它是因为它的事件传播机制适合我的需要）以便通过发送不同深度的所有叶子（连同它们的父顶点）来并行化以此类推，直到计算出方程。
我是否为此使用了错误的技术？
这个问题不适合 map-reduce 技术吗？
最好的技术是什么，它还内置了事件传播技术？
我只差 1 点悬赏...
编辑：增加赏金。本质上，我的要求是在分布式计算解决方案中计算可变子问题，而不是类似的映射减少问题。存在任何解决方案吗？任何想法表示赞赏。
使用 Ignite 是可能的。您需要实现 ComputeTaskAdapter 的 map() 和 reduce() 方法。第一种方法将您的任务映射到节点，第二种方法收集计算结果。参考 example.
之后，如果之前的 reduce 返回了结果集合，您可以 运行 再次执行它。
要减少传输的数据量，您可以使用缓存，并在其中存储中间数据。如果您将任务映射到具有所需数据的节点，则所有条目都将在本地可用于该任务，并且不需要从远程节点查询它们。要以这种方式映射任务，您可以使用
ClusterNode dataNode = ignite.affinity("cacheName").mapKeyToNode("key");
这里dataNode是这个key的主节点，如果task会在上面启动，整个entry会在本地可用。