MapReduce 跑的慢的原因
MapReduce 程序效率的瓶颈在于两点:
1 )计算机性能
CPU、内存、磁盘、网络
2 )I/O 操作优化
(1)数据倾斜
(2)Map 运行时间太长,导致 Reduce 等待过久
(3)小文件过多
MapReduce 常用调优参数
MapReduce 数据倾斜问题
1 )数据倾斜现象
数据频率倾斜——某一个区域的数据量要远远大于其他区域。
数据大小倾斜——部分记录的大小远远大于平均值。
2 )减少数据倾斜的方法
(1 )首先检查是否空值过多造成的数据倾斜
生产环境,可以直接过滤掉空值;如果想保留空值,就自定义分区,将空值加随机数打散。最后再二次聚合。
(2 )能在 map 阶段提前处理,最好先在 Map 阶段处理。如:Combiner 、MapJoin
(3 )设置多个 reduce