Hadoop之MR的调优性能

在工作过程中遇到这样一个问题：就是在map的时候需要读取大概1T左右的数据，在用集群的本身的设置之外没有设置任何参数时发现就光map（纯粹就是一个转发函数）就要跑上两个小时。

都说让MR的分区块大小和Hadoop集群中的hdfs块大小一致，这样保证数据不出现跨网络的拷贝，其实也用不着一个MR的程序大小和hdfs块大小一致，因为从hdfs的数据存储的架构来看，其有很多的hdfs块是放在了同一个数据节点上的，这样如果我们调大MR的分区大小，我们就能连接好节点的其它数据块了，这样程序还是跑在了同一个节点上面（没有发生网络数据传输）。

所以，在调节MR的性能时，如果发现在map的读数据时时间不理想，可以调大mapred.min.split.size参数（jobConf.setInt("mapred.min.split.size", 512*1024*1024)）。多半时候这是有用的！