{"id":417,"date":"2016-08-19T13:45:06","date_gmt":"2016-08-19T11:45:06","guid":{"rendered":"https:\/\/preblogs.deusto.es\/bigdata\/?p=417"},"modified":"2016-08-19T13:45:06","modified_gmt":"2016-08-19T11:45:06","slug":"cuando-empieza-esta-era-del-big-data-mapreduce","status":"publish","type":"post","link":"https:\/\/blogs.deusto.es\/bigdata\/cuando-empieza-esta-era-del-big-data-mapreduce\/","title":{"rendered":"Cu\u00e1ndo empieza esta era del Big Data: MapReduce"},"content":{"rendered":"

Coment\u00e1bamos en un art\u00edculo anterior,<\/a> que fue all\u00e1 por 2012 cuando se empieza a popularizar el t\u00e9rmino Big Data en el acervo popular. Pero eso no quiere decir, que sea entonces cuando podamos decir que comienza esta era del Big Data. De hecho, los or\u00edgenes son bastante anteriores.<\/p>\n

Dos ingenieros de Google, Jeffrey Dean y Sanjay Ghemawat, all\u00e1 por 2004, publican un art\u00edculo titulado \u00abMapReduce: Simplified Data Processing on Large Clusters<\/a>\u00ab.<\/p>\n

\"Dean<\/a><\/p>\n

Hablan de un nuevo modelo de programaci\u00f3n que permite simplificar el procesamiento de grandes vol\u00famenes de datos. Lo bautizan como MapReduce<\/a>. B\u00e1sicamente es la evoluci\u00f3n natural y necesaria que ten\u00edan dentro de Google<\/a> para procesar los grandes vol\u00famenes de datos que ya por aquel entonces manejaban (documentos, referencias web, p\u00e1ginas, etc.). Lo necesitaban, porque a partir de toda esa informaci\u00f3n,\u00a0sacaban una serie de m\u00e9tricas que luego les ayud\u00f3 a popularizar industrias como el SEO y SEM. Vamos, de lo que hoy en d\u00eda vive Google (Alphabet) y lo que le ha permitido ser la empresa de mayor valor burs\u00e1til del mundo.<\/a><\/p>\n

La idea<\/strong> que subyace a este nuevo modelo de programaci\u00f3n<\/strong> es el siguiente: ante la necesidad de procesar grandes vol\u00famenes de datos, se puede montra un esquema en paralelo de computaci\u00f3n que permita as\u00ed distribuir el trabajo (el procesamiento de datos) entre diferentes m\u00e1quinas (nodos dentro de una red) para que se pueda reducir el tiempo total de procesamiento. Es decir, una versi\u00f3n moderna del \u00abdivide y vencer\u00e1s<\/a>\u00ab, que hace que ese trabajo menor en paralelo, reduzca sustantivamente lo que de otra manera ser\u00eda un \u00fanico, pero GRAN trabajo.<\/p>\n

\"Distribuci\u00f3n<\/a>
Distribuci\u00f3n de trabajo a trav\u00e9s del modelo MapReduce (Fuente: http:\/\/www.admin-magazine.com\/HPC\/Articles\/MapReduce-and-Hadoop)<\/figcaption><\/figure>\n

En aquel entonces, estos grandes \u00abvisionarios del Big Data<\/em>\u00bb (luego volvemos a ello), se dieron cuenta que este problema que ten\u00eda Google en esos momentos, lo iban a tener otras cuantas aplicaciones. As\u00ed que decidieron desarrollar un modelo de programaci\u00f3n que se desacoplara de las necesidades concretas de Google, y se pudiera generalizar a un conjunto de aplicaciones que pudieran luego reutilizarlo<\/strong>. Pensaron en un inicio a todos los problemas que pudiera tener el propio buscador. Pero se dan cuenta que quiz\u00e1s todav\u00eda hay un universo m\u00e1s amplio de problemas, por lo que se abtsrae y generaliza a\u00fan m\u00e1s.<\/p>\n

De hecho, lo simplificaron tanto que dejaron la preocupaci\u00f3n del programador en dos funciones:<\/p>\n