這篇文章將為大家詳細(xì)講解有關(guān)Maps與Reduces是什么，小編覺得挺實(shí)用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

專注于為中小企業(yè)提供成都網(wǎng)站設(shè)計(jì)、網(wǎng)站建設(shè)服務(wù),電腦端+手機(jī)端+微信端的三站合一,更高效的管理,為中小企業(yè)永靖免費(fèi)做網(wǎng)站提供優(yōu)質(zhì)的服務(wù)。我們立足成都，凝聚了一批互聯(lián)網(wǎng)行業(yè)人才，有力地推動了數(shù)千家企業(yè)的穩(wěn)健成長，幫助中小企業(yè)通過網(wǎng)站建設(shè)實(shí)現(xiàn)規(guī)模擴(kuò)充和轉(zhuǎn)變。

map和reduce是hadoop的核心功能，hadoop正是通過多個map和reduce的并行運(yùn)行來實(shí)現(xiàn)任務(wù)的分布式并行計(jì)算。

        從這個觀點(diǎn)來看，如果將map和reduce的數(shù)量設(shè)置為1，那么用戶的任務(wù)就沒有并行執(zhí)行，但是map和reduce的數(shù)量也不能過多，數(shù)量過多雖然可以提高任務(wù)并行度，但是太多的map和reduce也會導(dǎo)致整個hadoop框架因?yàn)檫^度的系統(tǒng)資源開銷而使任務(wù)失敗。所以用戶在提交map/reduce作業(yè)時應(yīng)該在一個合理的范圍內(nèi)，這樣既可以增強(qiáng)系統(tǒng)負(fù)載勻衡，也可以降低任務(wù)失敗的開銷。

    極端情況：一個極端是1個map、1個reduce的情況，這樣沒有任務(wù)并行。另一個極端是1,000,000個map、1,000,000個reduce的情況，會由于 框架的開銷過大而使得系統(tǒng)資源耗盡。

    so,合理地選擇Job中 Tasks數(shù)的大小能顯著的改善Hadoop執(zhí)行的性能。增加task的個數(shù)會增加系統(tǒng)框架的開銷，但同時也會增強(qiáng)負(fù)載均衡并降低任務(wù)失敗的開銷。

• map的數(shù)量

        map的數(shù)量通常是由hadoop集群的DFS塊大小確定的，也就是輸入文件的總塊數(shù)。正常的map數(shù)量的并行規(guī)模大致是每一個Node是10~100個，對于CPU消耗較小的作業(yè)可以設(shè)置Map數(shù)量為300個左右，但是由于hadoop的沒一個任務(wù)在初始化時需要一定的時間，因此比較合理的情況是每個map執(zhí)行的時間至少超過1分鐘。

        具體的數(shù)據(jù)分片是這樣的，InputFormat在默認(rèn)情況下會根據(jù)hadoop集群的DFS塊大小進(jìn)行分片，每一個分片會由一個map任務(wù)來進(jìn)行處理，當(dāng)然用戶還是可以通過參數(shù)mapred.min.split.size參數(shù)在作業(yè)提交客戶端進(jìn)行自定義設(shè)置。還有一個重要參數(shù)就是mapred.map.tasks，這個參數(shù)設(shè)置的map數(shù)量僅僅是一個提示，只有當(dāng)InputFormat 決定了map任務(wù)的個數(shù)比mapred.map.tasks值小時才起作用【可跟蹤源代碼查看理解】。同樣，Map任務(wù)的個數(shù)也能通過使用JobConf 的conf.setNumMapTasks(int num)方法來手動地設(shè)置。這個方法能夠用來增加map任務(wù)的個數(shù)，但是不能設(shè)定任務(wù)的個數(shù)小于Hadoop系統(tǒng)通過分割輸入數(shù)據(jù)得到的值。當(dāng)然為了提高集群的并發(fā)效率，可以設(shè)置一個默認(rèn)的map數(shù)量，當(dāng)用戶的map數(shù)量較小或者比本身自動分割的值還小時可以使用一個相對交大的默認(rèn)值，從而提高整體hadoop集群的效率。

•         MapReduce從HDFS中分割讀取split文件,通過InputFormat交給Mapper來處理。split是 MapReduce中最小的計(jì)算單元，一個split文件對應(yīng)一個Map Task。

•         default,HDFS中的一個block,對應(yīng)一個split。

•        當(dāng)執(zhí)行WordCount時：

1.  一個輸入文件若小于64M,default則保存在hdfs中的一個block中，對應(yīng)一個split文件，so， 產(chǎn)生一個Map Task。

2. 一個輸入文件若為150M,default則保存在hdfs中的三個block中，對應(yīng)三個split文件，so ，產(chǎn)生三個Map Task。

3. 若有三個輸入文件都小于64M,default會保存在hdfs中的三個block中，對應(yīng)三個split文件，so ，產(chǎn)生三個Map Task。

• 用戶可自行指定block與split之間的關(guān)系，HDFS中的一個block，一個split可以對應(yīng)多個block,split與block的關(guān)系 是一對多的關(guān)系。

• 總結(jié)MapReduce作業(yè)中Map Task數(shù)目是由：

1. 輸入文件的個數(shù)和大小；

2. ?hadoop設(shè)置split與block的關(guān)系來決定的。    ? 

• reduece的數(shù)量

        reduce在運(yùn)行時往往需要從相關(guān)map端復(fù)制數(shù)據(jù)到reduce節(jié)點(diǎn)來處理，因此相比于map任務(wù)。

reduce節(jié)點(diǎn)資源是相對比較缺少的，同時相對運(yùn)行較慢，正確的reduce任務(wù)的個數(shù)應(yīng)該是0.95或者1.75 *（節(jié)點(diǎn)數(shù) ×mapred.tasktracker.tasks.maximum參數(shù)值）。如果任務(wù)數(shù)是節(jié)點(diǎn)個數(shù)的0.95倍，那么所有的reduce任務(wù)能夠在 map任務(wù)的輸出傳輸結(jié)束后同時開始運(yùn)行。如果任務(wù)數(shù)是節(jié)點(diǎn)個數(shù)的1.75倍，那么高速的節(jié)點(diǎn)會在完成他們第一批reduce任務(wù)計(jì)算之后開始計(jì)算第二批 reduce任務(wù)，這樣的情況更有利于負(fù)載均衡。同時需要注意增加reduce的數(shù)量雖然會增加系統(tǒng)的資源開銷，但是可以改善負(fù)載勻衡，降低任務(wù)失敗帶來的負(fù)面影響。同樣，Reduce任務(wù)也能夠與 map任務(wù)一樣，通過設(shè)定JobConf 的conf.setNumReduceTasks(int num)方法來增加任務(wù)個數(shù)。

• reduce數(shù)量為0

        有些作業(yè)不需要進(jìn)行歸約進(jìn)行處理，那么就可以設(shè)置reduce的數(shù)量為0來進(jìn)行處理，這種情況下用戶的作業(yè)運(yùn)行速度相對較高，map的輸出會直接寫入到 SetOutputPath(path)設(shè)置的輸出目錄，而不是作為中間結(jié)果寫到本地。同時Hadoop框架在寫入文件系統(tǒng)前并不對之進(jìn)行排序。

        map red.tasktracker.map.tasks.maximum 這個是一個task tracker中可同時執(zhí)行的map的最大個數(shù)，默認(rèn)值為2，

看《pro hadoop》：it is common to set this value to the effective number of CPUs on the node  把job分割成map和reduce,合理地選擇Job中 Tasks數(shù)的大小能顯著的改善Hadoop執(zhí)行的性能。增加task的個數(shù)會增加系統(tǒng)框架的開銷，但同時也會增強(qiáng)負(fù)載均衡并降低任務(wù)失敗的開銷。一個極端是1個map、1個reduce的情況，這樣沒有任務(wù)并行。另一個極端是1,000,000個map、1,000,000個reduce的情況，會由于框架的開銷過大而使得系統(tǒng)資源耗盡。 

•  Map任務(wù)的數(shù)量 
      Map的數(shù)量經(jīng)常是由輸入數(shù)據(jù)中的DFS塊的數(shù)量來決定的。這還經(jīng)常會導(dǎo)致用戶通過調(diào)整DFS塊大小來調(diào)整map的數(shù)量。正確的map任務(wù)的并行度似乎應(yīng)該是10-100 maps/節(jié)點(diǎn)，盡管我們對于處理cpu運(yùn)算量小的任務(wù)曾經(jīng)把這個數(shù)字調(diào)正到300maps每節(jié)點(diǎn)。Task的初始化會花費(fèi)一些時間，因此最好控制每個 map任務(wù)的執(zhí)行超過一分鐘。 
  實(shí)際上控制map任務(wù)的個數(shù)是很 精妙的。mapred.map.tasks參數(shù)對于InputFormat設(shè)定map執(zhí)行的個數(shù)來說僅僅是一個提示。InputFormat的行為應(yīng)該把輸入數(shù)據(jù)總的字節(jié)值分割成合適數(shù)量的片段。但是默認(rèn)的情況是DFS的塊大小會成為對輸入數(shù)據(jù)分割片段大小的上界。一個分割大小的下界可以通過一個mapred.min.split.size參數(shù)來設(shè)置。因此，如果你有一個大小是10TB的輸入數(shù)據(jù)，并設(shè)置DFS塊大小為 128M，你必須設(shè)置至少82K個map任務(wù)，除非你設(shè)置的mapred.map.tasks參數(shù)比這個數(shù)還要大。最終InputFormat 決定了map任務(wù)的個數(shù)。 
  Map任務(wù)的個數(shù)也能通過使用JobConf 的 conf.setNumMapTasks(int num)方法來手動地設(shè)置。這個方法能夠用來增加map任務(wù)的個數(shù)，但是不能設(shè)定任務(wù)的個數(shù)小于Hadoop系統(tǒng)通過分割輸入數(shù)據(jù)得到的值。 

• Reduce任務(wù)的個數(shù) 
  正確的reduce任務(wù)的 個數(shù)應(yīng)該是0.95或者1.75 ×（節(jié)點(diǎn)數(shù) ×mapred.tasktracker.tasks.maximum參數(shù)值）。如果任務(wù)數(shù)是節(jié)點(diǎn)個數(shù)的0.95倍，那么所有的reduce任務(wù)能夠在 map任務(wù)的輸出傳輸結(jié)束后同時開始運(yùn)行。如果任務(wù)數(shù)是節(jié)點(diǎn)個數(shù)的1.75倍，那么高速的節(jié)點(diǎn)會在完成他們第一批reduce任務(wù)計(jì)算之后開始計(jì)算第二批 reduce任務(wù)，這樣的情況更有利于負(fù)載均衡。 
  目前reduce任務(wù)的數(shù)量 由于輸出文件緩沖區(qū)大小(io.buffer.size × 2 ×reduce任務(wù)個數(shù) << 堆大小)，被限制在大約1000個左右。直到能夠指定一個固定的上限后，這個問題最終會被解決。 
  Reduce任務(wù)的數(shù)量同時也控制著輸出目錄下輸出文件的數(shù)量，但是通常情況下這并不重要，因?yàn)橄乱浑A段的 map/reduce任務(wù)會把他們分割成更加小的片段。 
  Reduce任務(wù)也能夠與 map任務(wù)一樣，通過設(shè)定JobConf 的conf.setNumReduceTasks(int num)方法來增加任務(wù)個數(shù)。

關(guān)于“Maps與Reduces是什么”這篇文章就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，使各位可以學(xué)到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。

當(dāng)前標(biāo)題：Maps與Reduces是什么
文章轉(zhuǎn)載：http://www.rwnh.cn/article32/pgshsc.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供小程序開發(fā)、虛擬主機(jī)、網(wǎng)站維護(hù)、靜態(tài)網(wǎng)站、商城網(wǎng)站、外貿(mào)網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)