그렇지만, 현재 구글의 랭킹함수에서 패이지랭크가 차지하는 위상은 크지 않다.
필요한 데이터를 최대한 한 곳에 모아두는 것을 로컬리티(Locality, 소속성)를 높인다고 하는데, Bigtable의 경우에는 이와 같은 키의 선택 방법이 로컬리티에 영향을 준다.
상호 대등한 복수의 프로세스가 하나의 합의에 도달하기 위한 방법을 컨센서스 알고리즘(Consensus Algorithms)이라고 한다.
Map과 Reduce는 Lisp와 같은 함수형 언어에서 유래한 용어다. 함수형 언어에서 map이란 데이터의 집합에 함수를 적용하여 새로운 집합을 만드는 것이고, reduce는 데이터의 집합에 함수를 적용해서 하나의 결과로 모으는 것이다. […] 다른 견해로는 Map의 역할이 데이터를 가공해서 분류하는 데 있으므로 Filter라 하고 Reduce의 역할이 분류된 데이터를 통합하는 데 있으므로 Aggregator라고 하기도 한다.
반대로 Map의 출력을 거꾸로 해서 <링크한 곳의 URL, 자신의 URL>처럼 하면, 자신을 링크하고 있는 곳의 리스트를 얻을 수 있다. 역 링크 정보를 얻을 수 있는 것이다. 이는 복잡한 데이터 처리를 하지 않으면 구하기 힘든 정보지만 MapReduce를 사용하면 바로 구현할 수 있다.
대부분의 도메인은 탑 페이지의 페이지랭크가 가장 높다. 하지만 Google에서 실제로 이 프로그램을 실행해 본 결과, 예를 들어 Adobe System의 도메인 www.adobe.com에서는 Adobe Reader의 다운로드 페이지가 가장 높은 페이지랭크를 보이는 등 흥미로운 정보가 얻어졌다고 한다.
컴퓨터 하드웨어라는 것은 진부화(Obsolescence) 속도가 빨라 3~4년 정도 지나면 새로 교체하는 경우도 흔하므로 더더욱 그렇다. 그러므로 어떻게 하드웨어 비용을 억제하느냐가 첫 번째 과제이다.
CPU 성능 = f × IPC. 여기서 f는 클럭 주파수이고, IPC(Instruction Per Cycle)란 1회의 클럭 사이클에서 실행할 수 있는 명령의 수다.
전력 공식에서 도출된 대로 CPU의 소비 전력은 점점 증가 일로를 걷고 있으며, 이대로라면 CPU가 발생하는 열이 태양의 표면 온도에 달할 것이라는 비유가 나올 정도가 되었다. 이러한 난점 때문에 2004년 11월에 발표한 Pentium 4 3.8GH를 마지막으로 CPU의 주파수를 지속적으로 끌어올리던 노선은 막을 내리고 그 대신 탄생한 것이 2006년부터 현재까지 이어져 온 Intel Core 시리즈다. […] 이제 단순히 최고의 성능만을 추구하는 시대가 아니라 전력을 효율적으로 사용하는 문제와 관련하여 전력대비 성능을 추구하는 시대가 된 것이다.
구글의 조사 결과를 신뢰한다면 디스크 드라이브에 관해 우리가 옳다고 생각했던 다음 통설들을 의심해 보는 것이 좋을 것 같다.
- 하드 디스크에 자주 액세스하면 고장이 나기 쉽다.
- 온도가 높을수록 고장이 나기 쉽다.
"The World Needs Only Five Computers." 라고 할 정도로 지금 세게에서는 대규모 컴퓨터 시스템이 계속 만들어지고 있다. -Greg Papadopoulos
이러한 소프트웨어 엔지니어링의 원칙이 지켜지려면 시작부터 바르게 하고, 조직이 성장함과 동시에 원칙이 반복되고 보강되는 문화를 만들지 않는 한 불가능하다. - Steve Yegge