David, ja, MapReduce är tänkt att fungera på en stor mängd data Och tanken är att i allmänhet ska kartan och funktionerna minska inte hur många mappers eller hur många reducerare det finns, det är bara optimering Om du tänker noga på Algoritmen jag postade kan du se att det spelar ingen roll vilken mappare får vilka delar av dataen Varje inmatningsrekord kommer att finnas tillgänglig för varje reducerad operation som behöver det Joe K 18 sep 12 på 22 30. I bästa fallet av min förståelse glidande medelvärde Är inte snygga kartor till MapReduce-paradigmet eftersom dess beräkning väsentligen skjuter fönster över sorterade data medan MR behandlar icke-skurna rader av sorterade data Lösning jag ser är som följer a För att implementera anpassad partitioner för att kunna skapa två olika partitioner I två körningar I varje körning kommer dina reducerare att få olika dataområden och beräkna glidande medelvärde, där det är lämpligt att jag ska försöka illustrera. I första kördata för reduktionsmedel ska vara R1 Q1, Q2, Q3, Q4 R2 Q5, Q6, Q7, Q8. Där kommer du att cacluate glidande medelvärde för vissa Qs. In nästa körning bör dina reducerare få data som R1 Q1 Q6 R2 Q6 Q10 R3 Q10 Q14. Och caclulate resten av glidande medelvärden Då måste du sammanställa resultaten. Anpassad partitioner att den kommer att ha två olika driftssätt - varje gång som delas i lika delar men med viss skift I en pseudokod kommer den att se ut som denna partitionsnyckel SHIFT MAXKEY numOfPartitioner där SHIFT kommer att tas från konfigurationen MAXKEY maximalt värde av nyckeln jag antar För enkelhet att de börjar med noll. RecordReader, IMHO är inte en lösning eftersom den är begränsad till specifik delning och kan inte glida över split-gränsen. En annan lösning skulle vara att implementera anpassad logik för att dela in data som ingår i InputFormat It Kan göras för att göra 2 olika diabilder, som liknar partitionering. När man beräknar ett löpande rörligt medelvärde, är det genomsnittligt att placera medelvärdet under mellantid. I det föregående exemplet beräknade vi genomsnittet av granen St 3 tidsperioder och placerade den bredvid period 3 Vi kunde ha placerat medelvärdet mitt i tidsintervallen av tre perioder, det vill säga intill period 2 Detta fungerar bra med udda tidsperioder, men inte så bra för jämn tid Perioder Så var skulle vi placera det första glidande medelvärdet när M 4. Tekniskt sett skulle det rörliga genomsnittet falla vid t 2 5, 3 5. För att undvika detta problem släpper vi MAs med M 2 Således släpper vi de jämnda värdena. Om vi I genomsnitt ett jämnt antal villkor måste vi släta de jämnderade värdena. Följande tabell visar resultaten med M 4.Moving Averages Vad är de. Bland de mest populära tekniska indikatorerna används glidande medelvärden för att mäta riktningen för den nuvarande trenden Varje typ av rörligt medelvärde som vanligtvis skrivs i denna handledning som MA är ett matematiskt resultat som beräknas genom att medelvärdet av ett antal tidigare datapunkter beräknas. Sedan bestäms det resulterande genomsnittet sedan på ett diagram för att låta handlare se på jämn data snarare Än focusi Ng på de dagliga prisfluktuationerna som är inneboende på alla finansiella marknader. Den enklaste formen av ett rörligt medelvärde, lämpligt känt som ett enkelt glidande medelvärde SMA, beräknas genom att ta det aritmetiska medelvärdet av en given uppsättning värden. Till exempel , För att beräkna ett grundläggande 10 dagars glidande medelvärde skulle du lägga till slutkurserna från de senaste 10 dagarna och sedan dela resultatet med 10 I figur 1 delas summan av priserna för de senaste 10 dagarna 110 med antalet Dagar 10 för att komma fram till 10-dagars genomsnittet Om en näringsidkare vill se ett 50-dagars medel istället, skulle samma typ av beräkning göras men det skulle inkludera priserna under de senaste 50 dagarna. Det resulterande genomsnittet under 11 tar hänsyn till Konto de senaste 10 datapunkterna för att ge handlare en uppfattning om hur en tillgång prissätts relativt de senaste 10 dagarna. Kanske undrar du varför tekniska handlare kallar det här verktyget ett glidande medelvärde och inte bara ett vanligt medel Svaret är det som Nya värden blir tillgängliga, den äldsta Datapunkter måste släppas från uppsättningen och nya datapunkter måste komma in för att ersätta dem Således flyttas datasatsen kontinuerligt för att ta reda på nya data när den blir tillgänglig. Denna beräkningsmetod säkerställer att endast den nuvarande informationen redovisas i Figur 2, när det nya värdet på 5 läggs till i uppsättningen, flyttas den röda rutan som representerar de senaste 10 datapunkterna till höger och det sista värdet av 15 släpps från beräkningen Eftersom det relativt lilla värdet på 5 ersätter det höga värdet Av 15, förväntar du dig att genomsnittet av datamängden minskar, vilket det gör, i det här fallet från 11 till 10. Vad ser rörliga medeltal ut När väl värdena för MA har beräknats, plottas de på ett diagram Och sedan ansluten för att skapa en rörlig genomsnittslinje. Dessa kurvor är vanliga på diagrammen för tekniska handlare, men hur de används kan variera drastiskt mer på detta senare. Som du kan se i Figur 3 är det möjligt att lägga till mer än en rörelse Medelvärdet t O något diagram genom att justera antalet tidsperioder som används vid beräkningen Dessa kurvor kan tyckas distraherande eller förvirrande först, men du kommer att bli vana vid dem som tiden går. Den röda linjen är helt enkelt genomsnittspriset under de senaste 50 dagarna, Medan den blå linjen är det genomsnittliga priset under de senaste 100 dagarna. Nu när du förstår vad ett rörligt medelvärde är och hur det ser ut, ska vi introducera en annan typ av rörligt medelvärde och undersöka hur det skiljer sig från det tidigare nämnda enkla glidande medeltalet . Det enkla glidande medlet är extremt populärt bland handlare, men som alla tekniska indikatorer har det kritiker. Många individer hävdar att användbarheten av SMA är begränsad eftersom varje punkt i dataserien är vägd densamma oavsett var den inträffar I sekvensen hävdar kritiker att de senaste uppgifterna är mer signifikanta än de äldre uppgifterna och borde få större inverkan på slutresultatet. På grund av denna kritik började handelsmän att Ge större vikt åt de senaste uppgifterna, som sedan har lett till uppfinningen av olika typer av nya medelvärden, varav den mest populära är det exponentiella glidande genomsnittet EMA. För vidare läsning, se Grunderna för viktade rörliga medelvärden och vad är skillnaden mellan en SMA Och en EMA. Exponential Moving Average Den exponentiella rörliga genomsnittet är en typ av rörligt medelvärde som ger större vikt till de senaste priserna i ett försök att göra det mer mottagligt för ny information. Att lära sig den något komplicerade ekvationen för att beräkna en EMA kan vara onödig för många handlare , Eftersom nästan alla kartläggningspaket gör beräkningarna för dig Men för dig matte geeks där ute, här är EMA-ekvationen. När du använder formeln för att beräkna den första punkten hos EMA kan du märka att det inte finns något värde tillgängligt för användning Som tidigare EMA Detta lilla problem kan lösas genom att starta beräkningen med ett enkelt glidande medelvärde och fortsätta med ovanstående formel därifrån Vi har gett dig w I ett provkalkylblad som innehåller verkliga exempel på hur man beräknar både ett enkelt glidande medelvärde och ett exponentiellt rörligt medelvärde. Skillnaden mellan EMA och SMA Nu när du har en bättre förståelse för hur SMA och EMA beräknas, låt S titta på hur dessa medelvärden skiljer sig Genom att titta på beräkningen av EMA kommer du att märka att större vikt läggs på de senaste datapunkterna, vilket gör det till en typ av vägt genomsnitt. I Figur 5 är antalet tidsperioder som används i Varje genomsnitt är identiskt 15 men EMA svarar snabbare på de förändrade priserna. Notera hur EMA har ett högre värde när priset stiger och faller snabbare än SMA när priset sänks. Denna responsivitet är den främsta anledningen till att många handlare Föredrar att använda EMA över SMA. What är de olika dagarna Medellagande medelvärden är en helt anpassningsbar indikator, vilket innebär att användaren fritt kan välja vilken tidsram de vill ha när de skapar den genomsnittliga Th E mest vanliga tidsperioder som används i glidande medelvärden är 15, 20, 30, 50, 100 och 200 dagar. Ju kortare tidsintervallet används för att skapa medelvärdet desto känsligare blir det för prisändringar. Ju längre tidsperiod, desto mindre Känslig eller jämnare, genomsnittet kommer att finnas Det finns ingen rätt tidsram för användning när du ställer in dina glidande medelvärden Det bästa sättet att ta reda på vilket som passar dig bäst är att experimentera med ett antal olika tidsperioder tills du hittar En som passar din strategi.
No comments:
Post a Comment