如何在Hadoop中控制map的個數(shù)

轉(zhuǎn)載自：如何在hadoop中控制map的個數(shù)hadoop提供了一個設(shè)置map個數(shù)的參數(shù)mapred.map.tasks，我們可以通過這個參數(shù)來控制map的個數(shù)。但是通過這種方式設(shè)置map的個數(shù)，并不是每次都有效的。原因是mapred.map.tasks只是一個hadoop的參考數(shù)值，最終map的個數(shù)，還

轉(zhuǎn)載自：如何在hadoop中控制map的個數(shù) hadoop提供了一個設(shè)置map個數(shù)的參數(shù)mapred.map.tasks，我們可以通過這個參數(shù)來控制map的個數(shù)。但是通過這種方式設(shè)置map的個數(shù)，并不是每次都有效的。原因是mapred.map.tasks只是一個hadoop的參考數(shù)值，最終map的個數(shù)，還取決于其他的因素。 為了方便介紹，先來看幾個名詞： block_size : hdfs的文件塊大小，默認(rèn)為64M，可以通過參數(shù)dfs.block.size設(shè)置 total_size : 輸入文件整體的大小 input_file_num : 輸入文件的個數(shù) （1）默認(rèn)map個數(shù) 如果不進行任何設(shè)置，默認(rèn)的map個數(shù)是和blcok_size相關(guān)的。 default_num = total_size / block_size; （2）期望大小 可以通過參數(shù)mapred.map.tasks來設(shè)置程序員期望的map個數(shù)，但是這個個數(shù)只有在大于default_num的時候，才會生效。 goal_num = mapred.map.tasks; （3）設(shè)置處理的文件大小 可以通過mapred.min.split.size 設(shè)置每個task處理的文件大小，但是這個大小只有在大于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(shù) 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處理的數(shù)據(jù)是不能跨越文件的，也就是說max_map_num <= input_file_num。 所以，最終的map個數(shù)應(yīng)該為： final_map_num = min(compute_map_num, input_file_num) 經(jīng)過以上的分析，在設(shè)置map個數(shù)的時候，可以簡單的總結(jié)為以下幾點： （1）如果想增加map個數(shù)，則設(shè)置mapred.map.tasks 為一個較大的值。 （2）如果想減小map個數(shù)，則設(shè)置mapred.min.split.size 為一個較大的值。 （3）如果輸入中有很多小文件，依然想減少map個數(shù)，則需要將小文件merger為大文件，然后使用準(zhǔn)則2。

原文地址：如何在Hadoop中控制map的個數(shù), 感謝原作者分享。

聲明：本網(wǎng)頁內(nèi)容旨在傳播知識，若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com