关于hadoop中maptask运行切片前,运行的文件有大量小文件问题

本文探讨了Hadoop中处理大量小文件导致的效率问题。默认TextInputFormat会为每个小文件创建单独的maptask,而优化策略是通过预处理合并文件或使用CombineTextInputFormat,后者能将多个小文件逻辑上规划到一个切片,减少maptask数量,提高处理效率。
摘要由CSDN通过智能技术生成
关于大量小文件的优化策略:
(1)默认情况下,TextInputformat对任务的切片机制是文件规划切片,不管文件多小,都会是一个单独的切片
都会交给maptask。这样如果有大量小文件,就会产生大量的maptask,处理效率极其低下。
(2)优化策略:
最好的方式:在数据处理系统的最前端(预处理/采集),就将文件先合并成大文件,再上传到hdfs做后续分析
         补救措施:
                      如果已经是大量小文件在hdfs中了,可以使用另一种Inputformat来做切片(CombinerFileInputFormat),
             他的切片逻辑跟FileInputFormat不同,它可以将很多小文件从逻辑上规划到一个切片中,这样,多个小文件就可以交给一个maptask
                     直接在job提交代码写这个:
            //处理大量小文件的解决方案
   //如果不设置
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值