大家在执行 hive sql 走mr引擎时有没有发现日志打印信息, map 还没到100% reduce 就开始了。
这是由于mapred-site.xml
配置文件中有一个参数mapreduce.job.reduce.slowstart.completedmaps
,这个参数可以控制当 map 任务执行到哪个比例的时候就可以开始为 reduce task 申请资源。
默认配置为0.05,那么map task在执行到5%的时候就开始为reduce进行申请资源,开始执行reduce操作,reduce可以开始进行拷贝map结果数据和做reduce shuffle操作。
在之前都是map执行到100%才开始执行reduce操作,是因为mapreduce.job.reduce.slowstart.completedmaps这个参数设置为1。
mapreduce.job.reduce.slowstart.completedmaps这个参数如果设置的过低,那么reduce就会过早地申请资源,造成资源浪费;如果这个参数设置的过高,比如为1,那么只有当map全部完成后,才为reduce申请资源,开始进行reduce操作,实际上是串行执行,不能采用并行方式充分利用资源。
如果map数量比较多,一般建议提前开始为reduce申请资源。
参数源码分析:
Yarn源码分析之参数mapreduce.job.reduce.slowstart.completedmaps介绍