Verteilte Auswertung von RDF-Graphen mit MapReduce und ...

5 Evaluation
In diesem Kapitel wird geprüft, wie sich die Implementierung bei unterschiedlichen
Datensätzen verhält. Es soll überprüft werden, ob die Kombination aus Hadoop und
Cassandra effizient im Hinblick auf die Laufzeit ist. Dafür werden die Laufzeiten verglichen,
die sich bei der Anwendung auf unterschiedlichen Datensatzgrößen ergeben.
Außerdem werden verschiedene Cassandra-spezifische Einstellungen variiert, um deren
Einfluss auf die Laufzeit zu untersuchen. Es werden zunächst die Rahmenbedingen
der Evaluation betrachtet, anschließend werden die Laufzeiten präsentiert und
interpretiert. Abschließend werden Probleme aufgezeigt, die während der Evaluation
auftraten und mögliche Ursachen benannt.
5.1 Allgemeine Rahmenbedingunen
Zur Evaluation wird ein Cluster bestehend aus 10 Servern verwendet. Jeder Server
hat einen Intel Xeon Prozessor 3,16 GHZ, 4GB Arbeitsspeicher und 3 TeraByte
Festplattenkapazität. Die einzelnen Server, fortan Knoten genannt, kommunizieren
über ein Gigabit-Lan miteinander. Das Betriebssystem ist die 64-Bit Version der
Ubuntu-Distribution in der Version 9.10. Als MapReduce-Framework wurde „Cloudera’s
Distribution for Hadoop 3“ (CDH3) 1 verwendet. Java ist in Version 1.6.0_26
installiert. Cassandra ist zur Zeit der Auswertung in Version 0.8.2 installiert. Einer
der Knoten fungiert ausschließlich als Jobtracker und Namenode und ist somit an
der Berechnung nicht direkt beteiligt. Die Datenbank läuft ebenfalls nur auf 9 der
10 Knoten, um Störungen mit dem Hadoop Jobtracker zu vermeiden.
Die Grundlage der Evaluation bilden Daten, die mit dem Benchmark SP 2 Bench generiert
worden sind. Der Benchmark generiert Semantic Web Daten im RDF-Format,
die auf der Verteilung echter Daten basieren. Als Referenz dient die Literaturdatenbank
DBLP. Als Benchmark für SPARQL-Anfragen entwickelt, stellt SP 2 Bench
1 http://www.cloudera.com/hadoop/
33