Búsquedas avanzadas tipo grep de tesis realizadas en la búsquedas avanzadas tipo grep de tesis realizadas en la ESPOL utilizando el paradigma map-reduce

Abstract

En el presente trabajo de graduación se detalla la implementación de un Sistema de Búsquedas tipo Grep, es decir, basado en expresiones regulares que permite a los usuarios realizar consultas sobre el contenido de las tesis digitalizadas en la ESPOL utilizando para esto la programación en paralelo. En el capítulo 1 se explica el funcionamiento del Paradigma MapReduce, las fases que lo componen y las implementaciones existentes. Entre ellas se encuentra Hadoop, de código abierto, el cual constituye la base para nuestro proyecto. En el capítulo 2 se indican los conceptos relacionados con las expresiones regulares, se muestran ejemplos sobre la sintaxis y los operadores utilizados. Además, se utiliza la clasificación de los motores de búsqueda de acuerdo al uso de las expresiones regulares con la finalidad de introducir los conceptos del funcionamiento del comando Grep de Unix/Linux. El capítulo 3 inicia con el análisis del código de un Grep Distribuido implementado por Hadoop y contenido en su librería de ejemplos, el cual sirvió de referencia para nuestro proyecto. Adicionalmente se encuentran el objetivo, la motivación y el alcance del sistema de búsquedas propuesto. También se detalla su diseño, se expone cómo se preparan los datos en una etapa de pre-procesamiento y se explica el funcionamiento de las fases MapReduce empleadas. Dentro del capítulo 4 encontramos información sobre las herramientas utilizadas para la implementación. A más de esto se mencionan las pruebas de rendimientos realizadas sobre la aplicación y un análisis de los resultados obtenidos. Las conclusiones y recomendaciones sobre el sistema se mencionan al final de este trabajo de graduación.