数据倾斜问题

产生的原因
1根本原因主要是在shuffle过程中,由于不同的key对应的数据量不同导致不同maptask处理的数据量不一样的问题。

数据倾斜是在map/reduce执行程序时,reduce大部分节点执行完毕,但有一个或者少数几个节点执行很慢,导致其他程序一直处于等待的状态,使得整个程序执行时间较长。

解决
1:避免shuffle
2:在map端使用Combiner组件合并

代码思想,:如A,B,C,D,E,F,G中
A和G比较数据多其他的数据比较少
这样运算的话会导致其他少的运算完毕了,A和G的还没有。
我们根据hashCode取模,让A和G添加Random随机数,让A和G到不同分区
这样分散了一个Reduce处理大量数据

添加了A1 A2 A1 A2后,
在进行一次MapReduce去除添加的数据
让count相加完成数据统计

package com._yzq55iou.dataskew;

import com._51doit.dataskew.MyDataSkew2;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.SequenceFileOutputFormat;

import java.io.IOException;
import java.util.Random;

/**
 *在数据如,a.b.c.d.e。中。a.b的数量很多,cde的数量很少,这就会发生数据倾斜
 *  专业术语:~ - -
 *  数据倾斜根本原因是因为shuffer,不同的key数量不同。maptask处理的数量也就不同,(有的多有的少,少的处理完毕后等多的处理完毕任务才结束)
 *  解决方法:避免shuffer
 *  在map端使用Combiner组件合并
 *
 *
 */

public class SkewStress {

    public static  class SkewStressMapper extends Mapper<LongWritable, Text,Text, IntWritable>{
        int numReduceTasks=0;
        Text k=new Text();
        IntWritable v=new IntWritable(1);
        Random r= new Random();
        @Override
        protected void setup(Context context) throws IOException, InterruptedException {
            numReduceTasks  = context.getNumReduceTasks();
        }

        @Override
        protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {

            String words = value.toString();
            String[] split = words.split("\\s+");

            for (String word : split) {
                k.set(word+"--"+r.nextInt(numReduceTasks));
                context.write(k,v);
            }
        }
    }
    


    public static void main(String[] args) throws  Exception {
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);

        job.setMapperClass(SkewStressMapper.class);
     job.setReducerClass(SkewStressReduce1.class);

        job.setNumReduceTasks(2);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        job.setOutputFormatClass(SequenceFileOutputFormat.class);

        //   job.setCombinerClass(MyCombiner.class);
        FileInputFormat.setInputPaths(job,new Path("E:\\anliwenjianjia\\mrdata\\skew\\input"));
        FileOutputFormat.setOutputPath(job,new Path("E:\\anliwenjianjia\\mrdata\\skew\\out5"));
        job.waitForCompletion(true);


package com._yzq55iou.dataskew;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;

public class SkewStressCombiner extends Reducer<Text, IntWritable,Text,IntWritable> {

    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        int count =0;
        for (IntWritable value : values) {
            count+=value.get();
        }
        context.write(key,new IntWritable(count));
    }

}





package com._yzq55iou.dataskew;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.input.SequenceFileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import java.io.IOException;

public class SkewStress2 {
    static class SkewStress2Mapper extends Mapper<Text, Text,Text, IntWritable>{
        Text k=new Text();
        IntWritable v=new IntWritable();
        @Override
        protected void map(Text key, Text value, Context context) throws IOException, InterruptedException {

            String sp = value.toString();
            String[] split = sp.split("--");
            String[] split1 = split[1].split("\t");
            k.set(split[0]);
            v.set(Integer.parseInt(split1[1]));
            context.write(k,v);
        }
    }
    static class SkewStress2Reduce extends Reducer<Text, IntWritable,Text, IntWritable> {

        @Override
        protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
            int count=0;
            for (IntWritable value : values) {
                count+=value.get();

            }

            context.write(key,new IntWritable(count));

        }
    }

    public static void main(String[] args) throws Exception {

        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);

        job.setMapperClass(SkewStress2Mapper.class);
        job.setReducerClass(SkewStress2Reduce.class);

       // job.setNumReduceTasks(2);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        job.setInputFormatClass(SequenceFileInputFormat.class);
        //   job.setCombinerClass(MyCombiner.class);
        FileInputFormat.setInputPaths(job,new Path("E:\\anliwenjianjia\\mrdata\\skew\\out5"));
        FileOutputFormat.setOutputPath(job,new Path("E:\\anliwenjianjia\\mrdata\\skew\\out6"));
        job.waitForCompletion(true);
    }


}











    }



}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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