Hadoop之MR的调优性能

在工作过程中遇到这样一个问题:就是在map的时候需要读取大概1T左右的数据,在用集群的本身的设置之外没有设置任何参数时发现就光map(纯粹就是一个转发函数)就要跑上两个小时。

都说让MR的分区块大小和Hadoop集群中的hdfs块大小一致,这样保证数据不出现跨网络的拷贝,其实也用不着一个MR的程序大小和hdfs块大小一致,因为从hdfs的数据存储的架构来看,其有很多的hdfs块是放在了同一个数据节点上的,这样如果我们调大MR的分区大小,我们就能连接好节点的其它数据块了,这样程序还是跑在了同一个节点上面(没有发生网络数据传输)。

所以,在调节MR的性能时,如果发现在map的读数据时时间不理想,可以调大mapred.min.split.size参数(jobConf.setInt("mapred.min.split.size", 512*1024*1024))。多半时候这是有用的!

  • 0
    点赞
  • 0
    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