MapReduce map task 和reduce task 数量设置规则
1、map task的个数=输入文件总大小/分片尺寸。也就是说分片尺寸越大,map task的个数就越少=>系统执行的开销越小,系统管理分片的开销越小。
2、网络传输开销,如果分片太大以至于一个分片要跨越多个HDFS块,则一个map任务必须要由多个块通过网络传输,所以分片大小的上限是HDFS块的大小。
3、reduce task的个数=合适的reduce task数量是0.95或者0.75*( nodes * mapred.tasktracker.reduce.tasks.maximum)
nodes:节点个数
mapred.tasktracker.reduce.tasks.maximum:每一个节点所分配的Reducer任务槽的个数,一般为节点cpu数量
cpu数量 = 服务器CPU总核数 / 每个CPU的核数
服务器CPU总核数 = more /proc/cpuinfo | grep ‘processor’ | wc -l
每个CPU的核数 = more /proc/cpuinfo | grep ‘cpu cores’
比如8线程的服务器,双核,那么cpu数量=8/2 =4
MapReduce内存设置
mapreduce.map.memory.mb和mapreduce.reduce.memory.mb分别是分配的Map和Reduce内存大小。
<property>
<name>mapreduce.map.memory.mb</name>
<value>4096</value>
</property>
<property>
<name>mapreduce.map.java.opts</name>
<value>-Xmx4096M</value>
</property>
<property>
<name>mapreduce.reduce.memory.mb</name>
<value>6144</value>
</property>
<property>
<name>mapreduce.reduce.java.opts</name>
<value>-Xmx6144M</value>
</property>
通过提交作业参数来设置Map和Reduce内存大小
hadoop jar $Jar $Class \
-D mapred.job.queue.name=${ququename} \
-D mapreduce.job.inputformat.class=com.hadoop.mapreduce.LzoTextInputFormat \
-D mapreduce.output.fileoutputformat.compress=true \
-D mapreduce.output.fileoutputformat.compress.codec=com.hadoop.compression.lzo.LzopCodec \
-D mapreduce.map.memory.mb=4096 \
-D mapreduce.reduce.memory.mb=4096 \