MapReduce combiner阶段 与shuffle阶段的区别
2014-05-05 13:40
232 查看
combiner阶段
combiner可以选择的,也是一种reduce操作,所以我们在看代码的时候可以使用:
job.setCombinerClass(IntSumReducer.class);
Combiner是一个本地化的reduce操作,它是map运算的后续操作,主要是在map计算出中间文件前做一个简单的合并重复key值的操作。reduce计算前对相同的key做一个合并操作,那么文件会变小,这样就提高了宽带的传输效率,毕竟hadoop计算力宽带资源往往是计算的瓶颈也是最为宝贵的资源。
shuffle阶段
将map的输出作为reduce的输入的过程就是shuffle,mapreduce程序的优化重点。
Shuffle一开始就是map阶段做输出操作,一般mapreduce计算的都是海量数据,map输出时候不可能把所有文件都放到内存操作,因此map写入磁盘的过程十分的复杂,更何况map输出时候要对结果进行排序,内存开销是很大的,map在做输出时候会在内存里开启一个环形内存缓冲区,这个缓冲区专门用来输出的,默认大小是100mb,并且在配置文件里为这个缓冲区设定了一个阀值,默认是0.80(这个大小和阀值都是可以在配置文件里进行配置的),同时map还会为输出操作启动一个守护线程,如果缓冲区的内存达到了阀值的80%时候,这个守护线程就会把内容写到磁盘上,这个过程叫spill,另外的20%内存可以继续写入要写进磁盘的数据,写入磁盘和写入内存操作是互不干扰的,如果缓存区被撑满了,那么map就会阻塞写入内存的操作,让写入磁盘操作完成后再继续执行写入内存操作,前面我讲到写入磁盘前会有个排序操作,这个是在写入磁盘操作时候进行,不是在写入内存时候进行的,如果我们定义了combiner函数,那么排序前还会执行combiner操作。
每次spill操作也就是写入磁盘操作时候就会写一个溢出文件,也就是说在做map输出有几次spill就会产生多少个溢出文件,等map输出全部做完后,map会合并这些输出文件。这个过程里还会有一个Partitioner操作,对于这个操作很多人都很迷糊,其实Partitioner操作和map阶段的输入分片(Input split)很像,一个Partitioner对应一个reduce作业,如果我们mapreduce操作只有一个reduce操作,那么Partitioner就只有一个,如果我们有多个reduce操作,那么Partitioner对应的就会有多个,Partitioner因此就是reduce的输入分片,这个程序员可以编程控制,主要是根据实际key和value的值,根据实际业务类型或者为了更好的reduce负载均衡要求进行,这是提高reduce效率的一个关键所在。
到了reduce阶段就是合并map输出文件了,Partitioner会找到对应的map输出文件,然后进行复制操作,复制操作时reduce会开启几个复制线程,这些线程默认个数是5个,程序员也可以在配置文件更改复制线程的个数,这个复制过程和map写入磁盘过程类似,也有阀值和内存大小,阀值一样可以在配置文件里配置,而内存大小是直接使用reduce的tasktracker的内存大小,复制时候reduce还会进行排序操作和合并文件操作,这些操作完了就会进行reduce计算了。
相关文章推荐
- mapreduce系列(2)shuffle流程及Combiner
- MapReduce的Map阶段的指定Combiner
- 关于mapreduce 的 shuffle ,partition,combiner
- 【MR】MapReduce中shuffle、partition、combiner的作用与关系
- 关于mapreduce 的 shuffle ,partition,combiner
- mapreduce 的map shuffle reduce 阶段解析
- 通过编程方式详解MapReduce之Shuffle 三个阶段
- MapReduce的Shuffle阶段
- MapReduce的高级特性(4、合并: Combiner)以及案例 distict去重以及MR的核心shuffle(洗牌)
- mapreduce的shuffle阶段详解
- 7 MapReduce进阶之shuffle阶段
- MapReduce中partition、shuffle、combiner的作用与关系介绍
- MapReduce高级->Combiner-Partitioner-Shuffle-分组
- [大牛翻译系列]Hadoop(13)MapReduce 性能调优:优化洗牌(shuffle)和排序阶段
- hadoop执行mapreduce任务,能够map,不能reduce,Shuffle阶段报错
- MapReduce --- shuffle阶段图解
- hadoop概念-MapReduce各个执行阶段及Shuffle过程详解
- MapReduce性能优化_6. 优化 Shuffle & Sort 阶段
- 【Hadoop】MapReduce笔记(三):MapReduce的Shuffle和Sort阶段详解
- MapReduce作业Map阶段和Reduce阶段重要过程详述(Partitioner、Combiner、Shuffle三个阶段的解析)