诊断方法
- 如果reducer的个数大于等于mapper的个数,那么存在map-to-reduce ratio的问题
- 查看mapper的个数,如果等于files的个数,并且每一个file的大小远远小于节点分裂的大小(64MB or 128MB)
- 查看mapper/reducer的执行时间,如果很小,那么mapper / reducer 的个数设置的太大
- 查看输出part files的个数,如果远大于reducer的个数,表明reducer的个数设置太小
- 查看输出文件的大小,如果有许多文件为空,表明reducer的个数设置的太多
解决方法
- 通常情况下mapper的个数和reducer的个数比为4:1,如果,pig脚本中有combiner(group by , foreach),那个mapper的个数和reducer的个数比可以达到10: 1
如果输入的文件太小,那么需要允许data splits 的combination,combination size的大小通常设置为 256 or 512MB,pig的参数设置为:
-Dpig.splitCombination=”true” \
-Dmapred.min.split.size=$[1024 * 1024 * 128 * 2] \通常使用default_parallel这样的设置并不明智,可以使用参数reducers.bytes.per.reducer来控制reducer读入文件的大小来控制并行度,通常reducers.bytes.per.reducer的默认值为1GB;reducers.max的默认值为999,通常可以设置的比较小。
-Dpig.exec.reducers.bytes.per.reducer=$[1024 * 1024 * 1024 * 2] \
-Dpig.exec.reducers.max=50 \