第四节课 hadoop总结

mapreduce优化总结

1、通过修改map的切片大小控制map数量（尽量和block大小保持一致）

并不是map越多越好，根据集群资源

set mapred.max.split.size=256000000

2、合并小文件。因为一个文件会至少生成一个map

3、避免数据倾斜

4、combine操作 map端的预聚合

5、mapjoin操作 map小表广播

6、适当备份，因为备份多可以本地化生成map任务

yarn运行流程

1、提交一个mapreduce mr运行需要资源，资源在rm中

2、container资源分配的容器

3、有一个mr，rm会开启一个container

4、给当前的mr使用，启动一个mr

5、一个mr中有多个task，每个task运行都需要资源（还是通过rm进行申请container）

6、mr继承一个接口application Mster，rm想要对mr进行资源分配，需要知道mr中的细节（有多少task，分配多少）

7、可以直接启动application Master