hadoop之 map個數控制
hadooop提供了一個設定map個數的引數mapred.map.tasks,我們可以透過這個引數來控制map的個數。但是透過這種方式設定map的個數,並不是每次都有效的。原因是mapred.map.tasks只是一個hadoop的參考數值,最終map的個數,還取決於其他的因素。
為了方便介紹,先來看幾個名詞:
block_size : hdfs的檔案塊大小,1.x預設為64M,2.x為128M,可以透過引數dfs.block.size設定
total_size : 輸入檔案整體的大小
input_file_num : 輸入檔案的個數
mapred.tasktracker.map.tasks.maximum: 任務跟蹤器將同時執行的最大對映任務數,預設為2
(1)預設map個數
如果不進行任何設定,預設的map個數是和blcok_size相關的。
default_num = total_size / block_size;
(2)期望大小
可以透過引數mapred.map.tasks來設定程式設計師期望的map個數,但是這個個數只有在大於default_num的時候,才會生效。
goal_num = mapred.map.tasks;
(3)設定處理的檔案大小
可以透過mapred.min.split.size 設定每個task處理的檔案大小,但是這個大小隻有在大於block_size的時候才會生效。
split_size = max(mapred.min.split.size, block_size);
split_num = total_size / split_size;
(4)計算的map個數
compute_map_num = min(split_num, max(default_num, goal_num))
除了這些配置以外,mapreduce還要遵循一些原則。 mapreduce的每一個map處理的資料是不能跨越檔案的,也就是說min_map_num >= input_file_num。 所以,最終的map個數應該為:
final_map_num = max(compute_map_num, input_file_num)
經過以上的分析,在設定map個數的時候,可以簡單的總結為以下幾點:
(1)如果想增加map個數,則設定mapred.map.tasks 為一個較大的值。
(2)如果想減小map個數,則設定mapred.min.split.size 為一個較大的值。
(3)如果輸入中有很多小檔案,依然想減少map個數,則需要將小檔案merger為大檔案,然後使用準則2。
(5)mapred.tasktracker.map.tasks.maximum >= mapred.map.tasks
補充: hadoop版本中 1.x 與 2.x 引數名稱有變更
1.x 名稱 2.x 名稱
mapred.map.tasks mapreduce.job.maps
mapred.min.split.size mapreduce.input.fileinputformat.split.minsize
mapred.tasktracker.map.tasks.maximum mapreduce.tasktracker.map.tasks.maximum
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/31383567/viewspace-2150817/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 如何在hadoop中控制map的個數Hadoop
- hadoop之 reduce個數控制Hadoop
- Hadoop框架下MapReduce中的map個數如何控制Hadoop框架
- 深度分析如何在Hadoop中控制Map的數量Hadoop
- Hadoop--map/reduce實現單詞計數Hadoop
- Hadoop Map Reduce 漫談Hadoop
- Hadoop-Map/Reduce之單表連線的實現Hadoop
- hadoop透過CombineFileInputFormat實現小檔案合併減少map的個數HadoopORM
- hadoop之 引數調優Hadoop
- Hadoop Reducer個數設定Hadoop
- 【HttpClient】httpclient之post 方法(引數為Map型別)HTTPclient型別
- Hadoop 2.6 以WordCount為例理解Map ReduceHadoop
- Hadoop--Map/Reduce實現多表連結Hadoop
- hadoop archive合併小檔案並進行mapreduce來減少map的數量HadoopHive
- hadoop 合併sequcefie並在map中讀取Hadoop
- Hadoop-Map/Reduce實現實現倒排索引Hadoop索引
- Hadoop 使用Combiner提高Map/Reduce程式效率Hadoop
- Java中將多個Map扁平化為單個MapJava
- hadoop之 hadoop用途方向Hadoop
- hadoop之 YARN配置引數剖析—RM與NM相關引數HadoopYarn
- Apache Ranger——Hadoop ACL控制工具ApacheRangerHadoop
- hadoop之mapreduce.input.fileinputformat.split.minsize引數HadoopORM
- 數倉工具—Hive語法之map join、reduce join、smb join(8)Hive
- CocosCreator之控制遊戲觸點數量遊戲
- hadoop之 hadoop 機架感知Hadoop
- golang學習之路 之mapGolang
- Go 基礎篇之 MapGo
- 轉:tsm版本控制_的4個引數
- hadoop 之Hadoop生態系統Hadoop
- hadoop之 HDFS-Hadoop存檔Hadoop
- 使用map:單詞計數程式
- 查詢hadoop引數變數Hadoop變數
- Entitas 中的Event 新增一個分數控制
- hadoop之 hadoop日誌存放路徑Hadoop
- hadoop之 Hadoop 2.x HA 、FederationHadoop
- java 基礎之 Set、Map、ListJava
- mysql併發執行緒控制之控制thread_running數量MySql執行緒thread
- 恢復之單個控制檔案損壞