任务配置 (Hadoop 2.2.0)

最新推荐文章于 2021-08-05 13:58:13 发布
最新推荐文章于 2021-08-05 13:58:13 发布
阅读量1k 收藏 1
点赞数
分类专栏： MapReduce

Topics

有一些配置变量可用于优化 MapReduce 作业的性能。本部分介绍了一些重要的任务相关性设置。

任务 JVM 内存设置 (AMI 3.0.0)

Hadoop 2.2.0 使用两个参数配置用于 map 和 reduce 的内存：分别为 mapreduce.map.java.opts 和 mapreduce.reduce.java.opts。它们取代了早期 Hadoop 版本中的单个配置选项：mapreduce.map.java.opts。

下表显示了每实例类型的这些设置的默认值。

m1.medium

配置选项 默认值
mapreduce.map.java.opts -Xmx768m
mapreduce.reduce.java.opts -Xmx768m
mapreduce.map.memory.mb 1024
mapreduce.reduce.memory.mb 1024
yarn.scheduler.minimum-allocation-mb 512
yarn.scheduler.maximum-allocation-mb 2048
yarn.nodemanager.resource.memory-mb 2048

m1.large

配置选项 默认值
mapreduce.map.java.opts -Xmx864m
mapreduce.reduce.java.opts -Xmx1536m
mapreduce.map.memory.mb 1024
mapreduce.reduce.memory.mb 2048
yarn.scheduler.minimum-allocation-mb 512
yarn.scheduler.maximum-allocation-mb 3072
yarn.nodemanager.resource.memory-mb 5120

m1.xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx512m
mapreduce.reduce.java.opts -Xmx1536m
mapreduce.map.memory.mb 768
mapreduce.reduce.memory.mb 2048
yarn.scheduler.minimum-allocation-mb 256
yarn.scheduler.maximum-allocation-mb 8 192
yarn.nodemanager.resource.memory-mb 12288

m2.xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx1280m
mapreduce.reduce.java.opts -Xmx2304m
mapreduce.map.memory.mb 1536
mapreduce.reduce.memory.mb 2560
yarn.scheduler.minimum-allocation-mb 512
yarn.scheduler.maximum-allocation-mb 7168
yarn.nodemanager.resource.memory-mb 14336

m2.2xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx1280m
mapreduce.reduce.java.opts -Xmx2304m
mapreduce.map.memory.mb 1536
mapreduce.reduce.memory.mb 2560
yarn.scheduler.minimum-allocation-mb 512
yarn.scheduler.maximum-allocation-mb 8 192
yarn.nodemanager.resource.memory-mb 30720

m3.xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx1515m
mapreduce.reduce.java.opts -Xmx1792m
mapreduce.map.memory.mb 1904
mapreduce.reduce.memory.mb 2150
yarn.scheduler.minimum-allocation-mb 532
yarn.scheduler.maximum-allocation-mb 3788
yarn.nodemanager.resource.memory-mb 5273

m3.2xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx2129m
mapreduce.reduce.java.opts -Xmx2560m
mapreduce.map.memory.mb 2826
mapreduce.reduce.memory.mb 3072
yarn.scheduler.minimum-allocation-mb 532
yarn.scheduler.maximum-allocation-mb 5324
yarn.nodemanager.resource.memory-mb 9113

m2.4xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx1280m
mapreduce.reduce.java.opts -Xmx2304m
mapreduce.map.memory.mb 1536
mapreduce.reduce.memory.mb 2560
yarn.scheduler.minimum-allocation-mb 512
yarn.scheduler.maximum-allocation-mb 8 192
yarn.nodemanager.resource.memory-mb 61440

c1.medium

配置选项 默认值
io.sort.mb 100
mapreduce.map.java.opts -Xmx288m
mapreduce.reduce.java.opts -Xmx288m
mapreduce.map.memory.mb 512
mapreduce.reduce.memory.mb 512
yarn.scheduler.minimum-allocation-mb 256
yarn.scheduler.maximum-allocation-mb 512
yarn.nodemanager.resource.memory-mb 1024

c1.xlarge

配置选项 默认值
io.sort.mb 150
mapreduce.map.java.opts -Xmx864m
mapreduce.reduce.java.opts -Xmx1536m
mapreduce.map.memory.mb 1024
mapreduce.reduce.memory.mb 2048
yarn.scheduler.minimum-allocation-mb 512
yarn.scheduler.maximum-allocation-mb 2048
yarn.nodemanager.resource.memory-mb 5120

c3.large

配置选项 默认值
mapreduce.map.java.opts -Xmx768m
mapreduce.reduce.java.opts -Xmx768m
mapreduce.map.memory.mb 921
mapreduce.reduce.memory.mb 921
yarn.scheduler.minimum-allocation-mb 499
yarn.scheduler.maximum-allocation-mb 1920
yarn.nodemanager.resource.memory-mb 1920

c3.xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx1177m
mapreduce.reduce.java.opts -Xmx1356m
mapreduce.map.memory.mb 1413
mapreduce.reduce.memory.mb 1628
yarn.scheduler.minimum-allocation-mb 532
yarn.scheduler.maximum-allocation-mb 2944
yarn.nodemanager.resource.memory-mb 3302

c3.2xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx1515m
mapreduce.reduce.java.opts -Xmx1792m
mapreduce.map.memory.mb 1904
mapreduce.reduce.memory.mb 2150
yarn.scheduler.minimum-allocation-mb 532
yarn.scheduler.maximum-allocation-mb 3788
yarn.nodemanager.resource.memory-mb 5273

c3.4xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx2129m
mapreduce.reduce.java.opts -Xmx2560m
mapreduce.map.memory.mb 2826
mapreduce.reduce.memory.mb 3072
yarn.scheduler.minimum-allocation-mb 532
yarn.scheduler.maximum-allocation-mb 5324
yarn.nodemanager.resource.memory-mb 9113

c3.8xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx4669m
mapreduce.reduce.java.opts -Xmx4915m
mapreduce.map.memory.mb 4669
mapreduce.reduce.memory.mb 4915
yarn.scheduler.minimum-allocation-mb 532
yarn.scheduler.maximum-allocation-mb 8396
yarn.nodemanager.resource.memory-mb 16793

cc1.4xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx1280m
mapreduce.reduce.java.opts -Xmx2304m
mapreduce.map.memory.mb 1536
mapreduce.reduce.memory.mb 2560
yarn.scheduler.minimum-allocation-mb 512
yarn.scheduler.maximum-allocation-mb 5120
yarn.nodemanager.resource.memory-mb 20480

cg1.4xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx1280m
mapreduce.reduce.java.opts -Xmx2304m
mapreduce.map.memory.mb 1536
mapreduce.reduce.memory.mb 2560
yarn.scheduler.minimum-allocation-mb 512
yarn.scheduler.maximum-allocation-mb 5120
yarn.nodemanager.resource.memory-mb 20480

cc2.8xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx1280m
mapreduce.reduce.java.opts -Xmx2304m
mapreduce.map.memory.mb 1536
mapreduce.reduce.memory.mb 2560
yarn.scheduler.minimum-allocation-mb 512
yarn.scheduler.maximum-allocation-mb 8 192
yarn.nodemanager.resource.memory-mb 56320

cr1.8xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx10895m
mapreduce.reduce.java.opts -Xmx13516m
mapreduce.map.memory.mb 15974
mapreduce.reduce.memory.mb 16220
yarn.scheduler.minimum-allocation-mb 532
yarn.scheduler.maximum-allocation-mb 27238
yarn.nodemanager.resource.memory-mb 63897

g2.2xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx512m
mapreduce.reduce.java.opts -Xmx1536m
mapreduce.map.memory.mb 768
mapreduce.reduce.memory.mb 2048
yarn.scheduler.minimum-allocation-mb 256
yarn.scheduler.maximum-allocation-mb 8 192
yarn.nodemanager.resource.memory-mb 12288

hi1.4xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx3379m
mapreduce.reduce.java.opts -Xmx4121m
mapreduce.map.memory.mb 4700
mapreduce.reduce.memory.mb 4945
yarn.scheduler.minimum-allocation-mb 532
yarn.scheduler.maximum-allocation-mb 8448
yarn.nodemanager.resource.memory-mb 16921

hs1.8xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx1280m
mapreduce.reduce.java.opts -Xmx2304m
mapreduce.map.memory.mb 1536
mapreduce.reduce.memory.mb 2560
yarn.scheduler.minimum-allocation-mb 512
yarn.scheduler.maximum-allocation-mb 8 192
yarn.nodemanager.resource.memory-mb 56320

i2.xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx2150m
mapreduce.reduce.java.opts -Xmx2585m
mapreduce.map.memory.mb 2856
mapreduce.reduce.memory.mb 3102
yarn.scheduler.minimum-allocation-mb 532
yarn.scheduler.maximum-allocation-mb 5376
yarn.nodemanager.resource.memory-mb 9241

i2.2xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx3399m
mapreduce.reduce.java.opts -Xmx4147m
mapreduce.map.memory.mb 4730
mapreduce.reduce.memory.mb 4976
yarn.scheduler.minimum-allocation-mb 532
yarn.scheduler.maximum-allocation-mb 8499
yarn.nodemanager.resource.memory-mb 17049

i2.4xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx5898m
mapreduce.reduce.java.opts -Xmx7270m
mapreduce.map.memory.mb 8478
mapreduce.reduce.memory.mb 8724
yarn.scheduler.minimum-allocation-mb 532
yarn.scheduler.maximum-allocation-mb 14745
yarn.nodemanager.resource.memory-mb 32665

i2.8xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx10895m
mapreduce.reduce.java.opts -Xmx13516m
mapreduce.map.memory.mb 15974
mapreduce.reduce.memory.mb 16220
yarn.scheduler.minimum-allocation-mb 532
yarn.scheduler.maximum-allocation-mb 27238
yarn.nodemanager.resource.memory-mb 63897

r3.xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx2150m
mapreduce.reduce.java.opts -Xmx3102m
mapreduce.map.memory.mb 2856
mapreduce.reduce.memory.mb 3102
yarn.scheduler.minimum-allocation-mb 532
yarn.scheduler.maximum-allocation-mb 5376
yarn.nodemanager.resource.memory-mb 9241

r3.2xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx3399m
mapreduce.reduce.java.opts -Xmx4147m
mapreduce.map.memory.mb 4743
mapreduce.reduce.memory.mb 4976
yarn.scheduler.minimum-allocation-mb 532
yarn.scheduler.maximum-allocation-mb 8499
yarn.nodemanager.resource.memory-mb 17049

r3.4xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx5898m
mapreduce.reduce.java.opts -Xmx7270m
mapreduce.map.memory.mb 8478
mapreduce.reduce.memory.mb 8724
yarn.scheduler.minimum-allocation-mb 532
yarn.scheduler.maximum-allocation-mb 14745
yarn.nodemanager.resource.memory-mb 32665

r3.8xlarge

配置选项 默认值
mapreduce.map.java.opts -Xmx10895m
mapreduce.reduce.java.opts -Xmx13516m
mapreduce.map.memory.mb 15974
mapreduce.reduce.memory.mb 16220
yarn.scheduler.minimum-allocation-mb 532
yarn.scheduler.maximum-allocation-mb 27238
yarn.nodemanager.resource.memory-mb 69897

您可以在执行每项任务时启动新 JVM，实现更好的任务隔离；也可以在各项任务之间共享 JVM，降低框架开销。如果您处理的是许多小文件，合理的做法是多次重复使用 JVM，以摊销启动成本。然而，如果每项任务耗时较长或处理的数据量较大，您可以选择不重复使用 JVM，以确保释放出所有内存供后续任务使用。

使用 mapred.job.reuse.jvm.num.tasks 选项配置 JVM 重复使用设置。

使用引导操作修改 JVM

  • 在安装了 Amazon EMR CLI 的目录下，从命令行运行以下命令。有关更多信息，请参见 Amazon EMR 的命令行接口参考。

    • Linux、UNIX 和 Mac OS X 用户：

      ./elastic-mapreduce --create --alive --name "JVM infinite reuse" \
--bootstrap-action s3://elasticmapreduce/bootstrap-actions/configure-hadoop \
--bootstrap-name "Configuring infinite JVM reuse" \
--args "-m,mapred.job.reuse.jvm.num.tasks=-1"

    • Windows 用户：

      ruby elastic-mapreduce --create --alive --name "JVM infinite reuse" --bootstrap-action s3://elasticmapreduce/bootstrap-actions/configure-hadoop --bootstrap-name "Configuring infinite JVM reuse" --args "-m,mapred.job.reuse.jvm.num.tasks=-1"

Note

Amazon EMR 已将 mapred.job.reuse.jvm.num.tasks 的值设置为 20，但您可以通过引导操作覆盖此值。值 -1 表示在单一作业中重复使用的次数不受限制，1 表示不能重复使用任务。

避免集群减速 (AMI 3.0.0)

在分布式环境中，您会遇到随机延迟、硬件速度缓慢、硬件故障和其他会共同降低集群速度的问题。这称为拖后腿问题。Hadoop 具有一项名为推测执行的功能，可用于缓解此问题。随着集群的运行，一些机器将完成它们的任务。Hadoop 会将任务安排到闲置的节点上。第一个完成的任务（无论是哪个任务）会成功，其他任务则会失败。此功能可显著减少作业的运行时间。MapReduce 算法的常规设计使得映射任务的处理过程具有幂等性。然而，如果在您正在运行的作业中的任务执行具有副作用（例如，可调用外部资源的零 Reducer 作业），则禁用推测执行很重要。

您可以对映射器和 Reducer 单独启用推测执行。默认情况下，Amazon EMR 可以为 AMI 2.3 的映射器和 Reducer 启用此操作。您可以使用引导操作覆盖这些设置。有关使用引导操作的详细信息，请参阅 引导操作以安装其他软件（可选）。

推测执行参数

参数 默认设置
mapred.map.tasks.speculative.execution true
mapred.reduce.tasks.speculative.execution true

使用引导操作禁用 Reducer 推测执行

  • 在安装了 Amazon EMR CLI 的目录下，从命令行运行以下命令。有关更多信息，请参见 Amazon EMR 的命令行接口参考。

    • Linux、UNIX 和 Mac OS X 用户：

      ./elastic-mapreduce --create --alive --name "Reducer speculative execution" \
--bootstrap-action s3://elasticmapreduce/bootstrap-actions/configure-hadoop \
--bootstrap-name "Disable reducer speculative execution" \
--args "-m,mapred.reduce.tasks.speculative.execution=false"

    • Windows 用户：

      ruby elastic-mapreduce --create --alive --name "Reducer speculative execution" --bootstrap-action s3://elasticmapreduce/bootstrap-actions/configure-hadoop --bootstrap-name "Disable reducer speculative execution" --args "-m,mapred.reduce.tasks.speculative.execution=false"

文档惯例
wisgood
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
AWS EC2主机类型的区别和联系
hongchangfirst
12-18 2万+
AWS EC2 Instance Type 有很多种类型，什么t2.small, m4.xlarge, c3.2xlarge等，那么这些t啊，m啊到底是什么意思呢？我们接下来一一介绍。 按照用途分为五大类： 1 通用型，提供平衡的计算，内存，和网络能力，t2,m5系列。 2 计算优化型，c5,c4,c3系列。 3 内存优化型，x1,r4系列。 4 加速计算型，p3,p2,g3,f
《Google软件测试之道》读书笔记---第一章
kxkltey的博客
09-01 1001
第一章 Google软件测试介绍 1.Google是如何测试的？ 在Google，软件测试软对归属于一个被称为“工程生产力”的中心组织部门，这个部门的职责横跨开发测试人员使用工具的研发、产品发布和各种级别的测试，从单元级别的测试到探索性级别的测试。Google拥有大量针对互联网产品的共享工具与测试基础框架，服务于包括搜索、广告、Apps、YouTube视频和其它我们再Web上提供的产品。 2.Google在测试人员如此缺乏的情况下，是如何应对的呢？ 在Google，写代码的开发人员也承担了质量的重任
华为云查询弹性云服务器规格信息,查询云服务器规格详情列表
weixin_35649143的博客
08-05 289
功能介绍查询云服务器规格信息列表。URIGET /v2.1/{project_id}/flavors/detail?minDisk={minDisk}&minRam={minRam}&sort_key={sort_key}&sort_dir={sort_dir}参数说明请参见表1。表1路径参数参数是否必选描述project_id是项目ID。获取方法请参见获取项目ID。支持分...
为什么我们推荐使用VPC
热门推荐
亚马逊云科技专栏
12-25 2万+
部分人认为只有那些需要把自己的数据中心与亚马逊云科技进行连接的企业才需要使用VPC。实际上，我们的确可以通过VPC及其他相关的亚马逊云科技服务来把企业自己的数据中心与其在亚马逊云科技上的环境进行集成，构成一个混合云的架构，但是即使不是在这种场景下，VPC本身还有许多在功能上的增强。这篇文章就主要把这些VPC的新特点归纳一下。
hadoop 2.2 mysql_任务配置 (Hadoop 2.2.0)
weixin_35873946的博客
01-21 59
任务 JVM 内存设置 (AMI 3.0.0) Hadoop 2.2.0 使用两个参数配置用于 map 和 reduce 的内存：分别为 mapreduce.map.java.opts 和 mapreduce.reduce.java.opts。它们取代了早期 Hadoop 版本中的单个配置选项：mapreduce.map.java.opts。 下表显示了每实例类型任务 JVM 内存设置 (AMI ...
Hadoop 2.2.0 配置文件
03-10
在这个配置文件中，我们将会探讨Hadoop 2.2.0 在4台CentOS 6.4系统上运行所需的配置细节。 首先，Hadoop的核心组件包括HDFS（Hadoop Distributed File System）和MapReduce，它们都需要通过一系列的配置文件来定制...
Hadoop2.2.0环境配置详细傻瓜教程
08-19
在本文中，我们将深入探讨如何配置Hadoop 2.2.0环境，这是一个适用于新手的详细教程。Hadoop是Apache软件基金会开发的一个开源分布式计算框架，它允许在廉价硬件上处理和存储大量数据。Hadoop 2.2.0版本引入了一些...
hadoop2.2.0windows10版
10-31
- `core-site.xml`配置Hadoop的基本属性，如默认的文件系统、命名空间的元数据存储等。 - `hdfs-site.xml`设置HDFS的参数，如副本数量、块大小和NameNode的相关设置。 - `mapred-site.xml`定义MapReduce作业的...
hadoop-2.2.0 64位
11-21
此外，你还需要配置Hadoop的配置文件，如core-site.xml（用于设置HDFS的基本配置）、hdfs-site.xml（用于HDFS的配置）、mapred-site.xml（用于MapReduce的配置）和yarn-site.xml（用于YARN的配置）。 在运行Hadoop...
hadoop2.2.0源码
04-12
源码中包含了认证和授权的相关实现，这为我们理解和配置Hadoop的安全机制提供了基础。 对于开发者来说，源码包中还包括了大量的测试用例，这些测试用例可以帮助我们理解Hadoop的预期行为，并在开发自定义模块时作为...
EC2 的类型
Swallow_he的博客
07-27 1804
实例类型 vCPU 内存 (GiB)  存储 (GB) 联网性能 物理处理器 时钟速度 (GHz) Intel® AVX† Intel AVX2† Intel® Turbo 增强型联网† t2.nano 1 0.5 仅限 EBS 低 Intel Xeon 系列 最多 3.3 个 是 – 是 – t2.micro 1 1 仅限于 EB
Pinterest谈实战经验：如何在两年内实现零到数百亿的月访问
cxzhq2002的杂记
04-17 724
摘要：在一个名为 《Scaling Pinterest》 的主题演讲上，Pinterest的Yashwanth Nelapati和 Marty Weiner为我们讲述了Pinterest如何在两年内实现零到数百亿的月访问。文中不乏决策的选择，以及每个阶段Pinterest的状况。 Pinterest一直保持着指数增长，每一个半月都会翻一翻。在两年内，他们实现了从0到数百亿的月PV；从开始
理解亚马逊 Amazon AWS CloudFormation
06-09 9267
http://ju.outofmemory.cn/entry/70264 Amazon最初始推出AWS时候，提供给用户的是虚拟机（EC2），存储（Volume），弹性IP（Elastic IP）等这些在云计算中被划分为基础设施层（I层）的资源。 稍后AWS又推出了RDS（Relation Database Service），用户可以申请MySQL，Oracle，Postgres，SQLSe
真小白如何学会（？）用python爬取中国大学排名
littlecase233的博客
12-16 1090
即使现在是寒冬腊月也冷却不了我热爱敲代码的心，作为一只真小白，从零基础学习python，首先肯定是安装python，说好了是真小白，那就从安装开始讲起，这里有一个小姐姐写得十分详细的安装过程，请点击传送门 真小白入门：python的安装 学习python的第一个晚上安装python成功！ 从IDLE启动python 首先什么是IDLE呢，它是一个python shell,shell 的意思就是...
关于电压互感器的详细介绍.pdf
07-20
电压互感器（Voltage Transformer，简称VT），又称电压变压器或电压互感器（PT），是电力系统中不可或缺的重要设备之一。以下是关于电压互感器的详细介绍： 一、定义与功能 电压互感器是一种用于测量高电压并将其转换成低电压信号的电器设备，以便于测量、监测和保护。它主要用于电力系统中测量仪表、继电保护等二次设备获取电气一次回路电压信息的传感器。通过将高电压按比例转换成低电压（如100V或更低），电压互感器使得电力系统中的电压测量、保护和控制变得更加容易和安全。 二、工作原理 电压互感器的工作原理基于电磁感应原理。它通常由高压绕组、低压绕组和磁芯组成。高压绕组与高压电网中的相线相连，低压绕组则与电压表、保护装置等低压设备相连。当高压绕组中有电流通过时，会在绕组中产生磁场，这个磁场会穿过磁芯并感应到低压绕组中，从而在低压绕组中产生电压。由于低压绕组的匝数较多，因此在低压绕组中感应到的电压远低于高压绕组中的电压。 三、类型与分类 根据功能和用途，电压互感器可以分为多种类型。常见的类型包括电磁式电压互感器（如电容式电压互感器，应用广泛）和非电磁式电压互感器（如电子式、光电式等）
职工信息管理系统【C语言课程设计源码+项目文档】
07-20
职工信息管理系统【C语言课程设计源码+项目文档】 在日益发展的现代社会，一个高效实用的职工信息管理系统已经是企业必不可少的一个管理工具，它可以使企业在管理方面减少很多时间，本课程设计针对现代社会企业对员工信息的管理而设计， 使员工的管理更加的简捷，更加的方便，界面友好，易于操作。 1.1录入职工信息 对每个使用者进行进行录入，实现“一人一档”，录入使用者的工号、姓名、性别、电话号码、地址。 1.2输出职工信息 对已录入的使用者信息进行输出。将所有已经输入的职工信息一一输出。 1.3查询职工信息 对已录入的使用者信息进行查看，可通过编号和姓名进行搜索。 1.4更新职工信息 对已录入的使用者信息进行修改。首先需输入修改者编号，其次可进行修改。 欢迎学习！
09-输入.py
07-20
09-输入
使用PythonShapefileLibrary创建和编辑Shapefile文件.doc
最新发布
07-20
Python
Hadoop 2.2.0 64位源码编译与分布式安装详述
本指南详细介绍了如何在64位环境下编译并分布式安装Hadoop 2.2.0，适合从零基础学习...总体而言，这份指南为Hadoop新手提供了一套完整的安装和配置流程，通过逐步操作，使用户能够理解和掌握Hadoop 2.2.0的分布式部署。

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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