Algoritmo K-Means paralelo basado en Hadoop-MapReduce para minería

El objetivo de este trabajo fue investigar el uso de un algoritmo de agrupamiento K-Means paralelo, basado en el modelo de programación MapReduce, para mejorar el tiempo de respuesta de la minería de datos. Se evaluó el rendimiento del algoritmo en cuanto a SpeedUp y ScaleUp. Para ello, se realizaron experimentos en un clúster Hadoop formado por seis ordenadores de hardware común. Los datos agrupados son mediciones de torres de flujo de regiones agrícolas y pertenecen a Ameriflux. Los experimentos se realizaron utilizando 3, 4 y 6 máquinas, respectivamente. Los resultados mostraron que, al aumentar el número de máquinas, se obtuvo un aumento en el rendimiento, y el mejor tiempo se obtuvo utilizando seis máquinas, alcanzando un SpeedUp de 3,25. Se verificó que la aplicación se escala bien con el aumento equivalente del tamaño de los datos y del número de máquinas en el clúster, alcanzando un rendimiento similar en las pruebas.