專題報告
雲端美食特搜隊
指導老師：江茂綸
指導學長：張立傑、羅際安、陳堃維 組員：吳致瑋、楊士毅
蔡明田、詹榮哲
目錄
專題動機 ..………..………P3
專題架構 ..………..………P4
雲端應用於專題……… P7
成果展示……… ....P8
Q&A………P9
備註……… P10
2
專題動機 (1/1)
吃什麼 ?
在哪裡 ?
賣什麼 ?
有沒有開 ?
貴不貴 ?
3
專題架構 (1/3)
4
WEB APP
SERVER
專題架構 (2/3)
5
Data File
Mapper
Mapper MapperMapper MapperMapper
Intermediate
Reduce r Reduce
r Result
專題架構 (3/3)
網頁架構：
使用者端與管理者端
伺服器處理功能：
MapReduce 交叉搜尋、一般搜尋、單一店家查詢、
重複搜尋、更改讚數
手機程式服務：
QR 碼搜尋與顯示、關鍵字交叉搜尋、排行榜搜尋、
我的最愛、讚數、地圖導航等
6
雲端應用於專題 (1/1)
• 儲存空間大
• 資料備份
• 即時狀態
• 擴充性
• 效率
• 容錯 7
成果展示
網頁與 Android 平板
8
Q&A
9
備註－雲端應用於專題
分散式運算
10
1G 2G 3G
0 100 200 300 400 500 600
一般 分散式
TIME(sec)
SIZE(byte)
三台節點下測試
備註－雲端應用於專題
11
=374sec
備註－雲端應用於專題
12
=251sec
備註－雲端應用於專題
13
=148sec
備註－雲端應用於專題
500MB 1GB 3GB 5GB 14
0 100 200 300 400 500 600 700 800
單機 16台叢集
運算的檔案大小 運算
的時 間 ( s e c)
國網中心
備註－雲端應用於專題
15
備註－雲端應用於專題
16
備註－雲端應用於專題
透過重新執行達成容錯
17
備註－優勢性
食在方便 雲端美食特搜隊
特色菜單 全部菜單
單一菜色與地區搜尋 ( 兩種二選一 ) 交叉搜尋 (4 種可同時 )/QR 碼搜尋
無 美食排行榜
需要消費者自行新增店家 管理者介面 ( 給店家維護 ) 未知是否未來能快速處理大量資料 處理海量資料量的雲端系統
18
備註－其餘功能
網頁輸入資料的防呆。
Android 離開程式是完整離開。
Android 程式可轉移到 SD 卡。
Android 程式的資料庫是建立在 SD 卡。
Android 程式有分手機與平版兩種版本。
Android 程式輸入資料的防呆。
Android 在搜尋不到 Server 時的防呆。
網頁有加入 Flash 。
評分系統的避免洗讚。
手機與平版互相使用的防呆
19
備註－ HBASE 優勢 (1/2)
會自動切割資料具有水平擴展能力。
快速讀取與寫入 ( 高效能 ) 。
因為底層是 HDFS 具有高可靠性與備份。
運算時可以配合 MapReduce 框架。
20
備註－ HBASE 優勢 (2/2)
測試環境：
由 3 台伺服器組成的 hadoop 集群組成分散式文件系 統
由一台單獨的機器單機類比 Hbase 集群 由一台機器單機測試 Mysql
測試規模： 50 萬條記錄以上，單線程、多線程測試
測試結果：
21
