1,map缓冲区内存改大:环形缓冲区越大,溢写次数越少,磁盘 io 的次数越少,执行速度就越快(默认100M,可配置)
2,map输出压缩:减少io(可配置)
3,reduce拉取过来的数据直接存内存,避免落盘,这样合并也能在内存中完成(可配置)
4,Shuffle中的多次磁盘io操作非常消耗性能,一些情况下要避免Shuffle,例如合并小文件,不需要ReduceTask,每次读取文件一个文件后将文件写出,其实也可以用CombineFileInputFormat来处理小文件:
1.设置小文件合并成逻辑切片的大小 ,
//合并文件的大小 byte为单位
conf.setLong("mapreduce.input.fileinputformat.split.minsize", 1024*2);//2M
2.设置输入类
job.setInputFormatClass(CombineTextInputFormat.class);