combiner/Partitioner/shuffle
来源:互联网 发布:五子棋雾化器完美数据 编辑:程序博客网 时间:2024/05/16 15:26
- combiner
combiner可以选择的,也是一种reduce操作,所以我们在看代码的时候可以使用:
job.setCombinerClass(IntSumReducer.class);
Combiner是一个本地化的reduce操作,它是map运算的后续操作,主要是在map计算出中间文件前做一个简单的合并重复key值的操作。reduce计算前对相同的key做一个合并操作,那么文件会变小,这样就提高了宽带的传输效率,毕竟hadoop计算力宽带资源往往是计算的瓶颈也是最为宝贵的资源。
- Partitioner
Partitioner为shuffle的子阶段,决定Map的输出结果交给哪个Reducer Task来处理。
默认实现:hash partitionerKey的hash值%reduce Task数量。
自定义Partitioner。
控制相同的类的数据作为一个单独的文件输出。
- shuffle
将map的输出作为reduce的输入的过程就是shuffle,mapreduce程序的优化重点。
Shuffle一开始就是map阶段做输出操作,一般mapreduce计算的都是海量数据,map输出时候不可能把所有文件都放到内存操作,因此map写入磁盘的过程十分的复杂,更何况map输出时候要对结果进行排序,内存开销是很大的,map在做输出时候会在内存里开启一个环形内存缓冲区,这个缓冲区专门用来输出的,默认大小是100mb,并且在配置文件里为这个缓冲区设定了一个阀值,默认是0.80(这个大小和阀值都是可以在配置文件里进行配置的),同时map还会为输出操作启动一个守护线程,如果缓冲区的内存达到了阀值的80%时候,这个守护线程就会把内容写到磁盘上,这个过程叫spill,另外的20%内存可以继续写入要写进磁盘的数据,写入磁盘和写入内存操作是互不干扰的,如果缓存区被撑满了,那么map就会阻塞写入内存的操作,让写入磁盘操作完成后再继续执行写入内存操作,前面我讲到写入磁盘前会有个排序操作,这个是在写入磁盘操作时候进行,不是在写入内存时候进行的,如果我们定义了combiner函数,那么排序前还会执行combiner操作。
每次spill操作也就是写入磁盘操作时候就会写一个溢出文件,也就是说在做map输出有几次spill就会产生多少个溢出文件,等map输出全部做完后,map会合并这些输出文件。这个过程里还会有一个Partitioner操作,对于这个操作很多人都很迷糊,其实Partitioner操作和map阶段的输入分片(Input split)很像,一个Partitioner对应一个reduce作业,如果我们mapreduce操作只有一个reduce操作,那么Partitioner就只有一个,如果我们有多个reduce操作,那么Partitioner对应的就会有多个,Partitioner因此就是reduce的输入分片,这个程序员可以编程控制,主要是根据实际key和value的值,根据实际业务类型或者为了更好的reduce负载均衡要求进行,这是提高reduce效率的一个关键所在。
到了reduce阶段就是合并map输出文件了,Partitioner会找到对应的map输出文件,然后进行复制操作,复制操作时reduce会开启几个复制线程,这些线程默认个数是5个,程序员也可以在配置文件更改复制线程的个数,这个复制过程和map写入磁盘过程类似,也有阀值和内存大小,阀值一样可以在配置文件里配置,而内存大小是直接使用reduce的tasktracker的内存大小,复制时候reduce还会进行排序操作和合并文件操作,这些操作完了就会进行reduce计算了。
0 0
- combiner/Partitioner/shuffle
- mapreduce中的partitioner,combiner,shuffle
- combiner partitioner
- Hadoop详解(四)——Shuffle原理,Partitioner分区原理,Combiner编程,常见的MR算法
- hadoop--combiner、partitioner学习
- MapReduce作业Map阶段和Reduce阶段重要过程详述(Partitioner、Combiner、Shuffle三个阶段的解析)
- Hadoop之combiner和partitioner
- Hadoop之combiner和partitioner
- Hadoop(三)自定义combiner和partitioner
- [Hadoop]MapReduce中的Partitioner与Combiner
- 关于mapreduce 的 shuffle ,partition,combiner
- hadoop细节——shuffle和combiner
- Hadoop中的shuffle、partition和combiner
- hadoop之shuffle------>soft和combiner
- Hadoop中的shuffle、partition和combiner
- hadoop之shuffle------>分区机制Partitioner
- Hadoop里的Partitioner和Combiner两个阶段
- Combiner类和Partitioner类——hadoop
- 类在什么时候加载和初始化
- Java操作集合的工具类
- 常用邮箱
- Redis集群搭建使用
- myeclipse2016的bug——对Lambda表达式支持的缺陷
- combiner/Partitioner/shuffle
- oracle db link的查看创建与删除
- INSTALL_FAILED_NO_MATCHING_ABIS
- 多个SurfaceView的切换除了问题(因为第一个surfaceview总是在最上面,切换时后面的surfaceview就没效果了)
- ubuntu 14.04 samba配置
- Docker学习笔记:Dockerfile
- Git for Windows安装和基本设置
- Gradle for Android 第三篇( 依赖管理 )
- Notepad++中高亮显示ABAP代码方法