hive设置reduce的最大值

hive.exec.reducers.max(默认为999) 计算reducer数的公式很简单: N=min(参数2,总输入数据量/参数1) 通常情况下,有必要手动指定reducer个数。考虑到map阶段的输出数据量通常会比输入有大幅减少,因此即使不设定reducer个数,重设参数2还是必要的。依据Hadoop的经验,可以将参数2设定为0.95*(集群中TaskTracker个数)。 正确的reduce任务的 个数应该是 0.95或者1.75 ×(节点数 ×mapred.tasktracker.tasks.maximum参数值)

mapred.tasktracker.map.tasks.maximum 一般跟物理核数有关

如果有8个核,最好有16个线程或者进程,这样,每两个进程竞争一个核,系统CPU利用率最高
然后,每个tasktracker还有一些其他服务线程(Hadoop自带的),需要为这些进程预留1~2个核比较好
所以,如果有8个核,可以有2*8-2=14个task
这14个task,可按照你自己需求分,如:8个map?slot,6个reduce?slot
实际上,只考虑核是不行的,还需要考虑内存,磁盘等
如果你有8个核,但只有1G内存,如果跑16个task,则每个task只有64MB内存,你的task能跑起来吗?


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