运行原理
源码
hadoop-2.6.0-cdh5.7.0-src
问题
为什么 map stage 需要进行排序?
MR在reduce阶段需要分组,将key相同的放在一起进行规约,为了达到该目的,有两种算法:hashmap和sort,前者太耗内存,而排序通过外排可对任意数据量分组,只要磁盘够大就行。map端排序是为了减轻reduce端排序的压力。在spark中,除了sort的方法,也提供hashmap,用户可配置,毕竟sort开销太大了
运行原理
源码
hadoop-2.6.0-cdh5.7.0-src
问题
为什么 map stage 需要进行排序?
MR在reduce阶段需要分组,将key相同的放在一起进行规约,为了达到该目的,有两种算法:hashmap和sort,前者太耗内存,而排序通过外排可对任意数据量分组,只要磁盘够大就行。map端排序是为了减轻reduce端排序的压力。在spark中,除了sort的方法,也提供hashmap,用户可配置,毕竟sort开销太大了