MapReduce
2016-12-21 16:53:49
mapred-default.xml
mapreduce.input.fileinputformat.split.minsize | 0 |
The minimum size chunk that map input should be split into. Note that some file formats may have minimum split sizes that take priority over this setting. |
2016-12-11 18:56:44
JSON解析
1、根据JSON对象key的结构,创建对应的Java类;
2、通过反序列化,获取JSON对象key的值;
//反序列化
/*
[{
"value": "1",
"key": "a"
}, {
"value": "2",
"key": "b"
}]
*/
String propsStr = "[{\"value\":\"1\",\"key\":\"a\"},{\"value\":\"2\",\"key\":\"b\"}]";
List<PropsObject> propsList = JSON.parseArray(propsStr, PropsObject.class); /*
[{
"action_name": "begin",
"current_time": 1481221047146
}, {
"action_name": "end",
"current_time": 1481221058263,
"props": [{
"value": "1",
"key": "a"
}, {
"value": "2",
"key": "b"
}]
}]
*/
String actionsStr = "[{\"action_name\":\"begin\",\"current_time\":1481221047146},{\"action_name\":\"end\",\"current_time\":1481221058263,\"props\":[{\"value\":\"1\",\"key\":\"a\"},{\"value\":\"2\",\"key\":\"b\"}]}]";
List<ActionsObject> actionsList = JSON.parseArray(actionsStr, ActionsObject.class);
public class PropsObject {
private String key;
private String value;
//...
}
import java.util.List; public class ActionsObject {
private String action_name;
private String current_time;
private List<PropsObject> props;
//...
}
2016-11-15 16:37:05
需要多少个Map?
Map的数目通常是由输入数据的大小决定的,一般就是所有输入文件的总块(block)数。
Map正常的并行规模大致是每个节点(node)大约10到100个map,对于CPU 消耗较小的map任务可以设到300个左右。由于每个任务初始化需要一定的时间,因此,比较合理的情况是map执行的时间至少超过1分钟。
这样,如果你输入10TB的数据,每个块(block)的大小是128MB(conf.setLong("mapreduce.input.fileinputformat.split.maxsize", 134217728L);),你将需要大约82,000个map来完成任务。
需要多少个Reduce?
Reduce的数目建议是0.95或1.75乘以 (<no. of nodes> * mapred.tasktracker.reduce.tasks.maximum)。
用0.95,所有reduce可以在maps一完成时就立刻启动,开始传输map的输出结果。用1.75,速度快的节点可以在完成第一轮reduce任务后,可以开始第二轮,这样可以得到比较好的负载均衡的效果。
增加reduce的数目会增加整个框架的开销,但可以改善负载均衡,降低由于执行失败带来的负面影响。
上述比例因子比整体数目稍小一些是为了给框架中的推测性任务(speculative-tasks) 或失败的任务预留一些reduce的资源。
无Reducer
如果没有归约要进行,那么设置reduce任务的数目为零是合法的。
这种情况下,map任务的输出会直接被写入由 setOutputPath(Path)指定的输出路径。框架在把它们写入FileSystem之前没有对它们进行排序。
20161020
1、RCFile文件数据解析乱码
1.0、代码
Text columnText = new Text();
BytesRefWritable brw = cols.get(3);
columnText.set(brw.getData(), brw.getStart(), brw.getLength());
String columnValue = columnText.toString();
1.1、原因
解析字段的数据类型为int,转为String后出现乱码;
1.2、解决
提前将字段的数据类型由int转为string,如:cast(columnName as string) as columnName。
20161021
1、DistributedCache
1.1、将文件加入DistributedCache
通过命令行-files:将指定的hdfs文件分发到各个Task的工作目录下,不对文件进行任何处理;
Applications can specify a comma separated list of paths which would be present in the current working directory of the task using the option -files.
1.2、问题
使用时出现hive目录下文件(如:hdfs:///user/hive/warehouse/db_name.db/tb_name/file_name)无法加入DistributedCache的问题,
改为其他hdfs文件(如:hdfs:///dir_name1/dir_name2/file_name)后可以加入DistributedCache。
DISTRIBUTED_CACHE_FILE=hdfs:///dirname/filename hadoop jar ${SHELL_DIR}/${JAR_NAME}.jar ${MAIN_CLASS} \
-files ${DISTRIBUTED_CACHE_FILE}
2016-10-20 16:52:09
hadoop -libjars
The -libjars option allows applications to add jars to the classpaths of the maps and reduces.
HIVE_LIB=${HIVE_HOME}/lib
HCATALOG_LIB=${HIVE_HOME}/hcatalog/share/hcatalog export HADOOP_CLASSPATH=${HIVE_LIB}/*:${HCATALOG_LIB}/*:${HADOOP_CLASSPATH} LIB_JARS=""
for j in `ls -1 ${HIVE_LIB}/*.jar`
do
LIB_JARS=${LIB_JARS},$j
done
for j in `ls -1 ${HCATALOG_LIB}/*.jar`
do
LIB_JARS=${LIB_JARS},$j
done
LIB_JARS=${LIB_JARS:1} hadoop jar ${SHELL_DIR}/${JAR_NAME}.jar ${MAIN_CLASS} \
-libjars ${LIB_JARS}
2016-10-20 17:23:40
MapReduce Tutorial
Input and Output types of a MapReduce job:
(input) <k1, v1> -> map -> <k2, v2> -> combine -> <k2, v2> -> reduce -> <k3, v3> (output)
The key and value classes have to be serializable by the framework and hence need to implement the Writable interface.
Additionally, the key classes have to implement the WritableComparable interface to facilitate sorting by the framework.
WritableComparable
s can be compared to each other, typically via Comparator
s.
All intermediate values associated with a given output key are subsequently grouped by the framework, and passed to the Reducer(s) to determine the final output.
Users can control the grouping by specifying a Comparator via Job.setGroupingComparatorClass(Class).
The Mapper outputs are sorted and then partitioned per Reducer. The total number of partitions is the same as the number of reduce tasks for the job.
Users can control which keys (and hence records) go to which Reducer by implementing a custom Partitioner.
The MapReduce framework relies on the InputFormat of the job to:
Validate the input-specification of the job.
Split-up the input file(s) into logical InputSplit instances, each of which is then assigned to an individual Mapper.
Provide the RecordReader implementation used to glean input records from the logical InputSplit for processing by the Mapper.
The MapReduce framework relies on the OutputFormat of the job to:
Validate the output-specification of the job; for example, check that the output directory doesn’t already exist.
Provide the RecordWriter implementation used to write the output files of the job. Output files are stored in a FileSystem.
You can use CombineFileInputFormat for when the input has many small files.
If a maxSplitSize is specified, then blocks on the same node are combined to form a single split.
CombineFileRecordReader
A generic RecordReader that can hand out different recordReaders for each chunk in a CombineFileSplit
.
A CombineFileSplit can combine data chunks from multiple files.
This class allows using different RecordReaders for processing these data chunks from different files.
GenericWritable
A wrapper for Writable instances.
When two sequence files, which have same Key type but different Value types, are mapped out to reduce, multiple Value types is not allowed. In this case, this class can help you wrap instances with different types.
MapReduce的更多相关文章
- Mapreduce的文件和hbase共同输入
Mapreduce的文件和hbase共同输入 package duogemap; import java.io.IOException; import org.apache.hadoop.co ...
- mapreduce多文件输出的两方法
mapreduce多文件输出的两方法 package duogemap; import java.io.IOException; import org.apache.hadoop.conf ...
- mapreduce中一个map多个输入路径
package duogemap; import java.io.IOException; import java.util.ArrayList; import java.util.List; imp ...
- Hadoop 中利用 mapreduce 读写 mysql 数据
Hadoop 中利用 mapreduce 读写 mysql 数据 有时候我们在项目中会遇到输入结果集很大,但是输出结果很小,比如一些 pv.uv 数据,然后为了实时查询的需求,或者一些 OLAP ...
- [Hadoop in Action] 第5章 高阶MapReduce
链接多个MapReduce作业 执行多个数据集的联结 生成Bloom filter 1.链接MapReduce作业 [顺序链接MapReduce作业] mapreduce-1 | mapr ...
- 使用mapreduce计算环比的实例
最近做了一个小的mapreduce程序,主要目的是计算环比值最高的前5名,本来打算使用spark计算,可是本人目前spark还只是简单看了下,因此就先改用mapreduce计算了,今天和大家分享下这个 ...
- MapReduce剖析笔记之八: Map输出数据的处理类MapOutputBuffer分析
在上一节我们分析了Child子进程启动,处理Map.Reduce任务的主要过程,但对于一些细节没有分析,这一节主要对MapOutputBuffer这个关键类进行分析. MapOutputBuffer顾 ...
- MapReduce剖析笔记之七:Child子进程处理Map和Reduce任务的主要流程
在上一节我们分析了TaskTracker如何对JobTracker分配过来的任务进行初始化,并创建各类JVM启动所需的信息,最终创建JVM的整个过程,本节我们继续来看,JVM启动后,执行的是Child ...
- MapReduce剖析笔记之六:TaskTracker初始化任务并启动JVM过程
在上面一节我们分析了JobTracker调用JobQueueTaskScheduler进行任务分配,JobQueueTaskScheduler又调用JobInProgress按照一定顺序查找任务的流程 ...
随机推荐
- iOS可视化动态绘制连通图
上篇博客<iOS可视化动态绘制八种排序过程>可视化了一下一些排序的过程,本篇博客就来聊聊图的东西.在之前的博客中详细的讲过图的相关内容,比如<图的物理存储结构与深搜.广搜>.当 ...
- 平台之大势何人能挡? 带着你的Net飞奔吧!
镇楼图: 跨平台系列: Linux基础 1.Linux基础学习 By dnt http://www.cnblogs.com/dunitian/p/4822807.html 环境配置 1.Hyper-v ...
- TDD在Unity3D游戏项目开发中的实践
0x00 前言 关于TDD测试驱动开发的文章已经有很多了,但是在游戏开发尤其是使用Unity3D开发游戏时,却听不到特别多关于TDD的声音.那么本文就来简单聊一聊TDD如何在U3D项目中使用以及如何使 ...
- ASP.NET Core应用中如何记录和查看日志
日志记录不仅对于我们开发的应用,还是对于ASP.NET Core框架功能都是一项非常重要的功能特性.我们知道ASP.NET Core使用的是一个极具扩展性的日志系统,该系统由Logger.Logger ...
- UWP开发之ORM实践:如何使用Entity Framework Core做SQLite数据持久层?
选择SQLite的理由 在做UWP开发的时候我们首选的本地数据库一般都是Sqlite,我以前也不知道为啥?后来仔细研究了一下也是有原因的: 1,微软做的UWP应用大部分也是用Sqlite.或者说是微软 ...
- CRL快速开发框架系列教程九(导入/导出数据)
本系列目录 CRL快速开发框架系列教程一(Code First数据表不需再关心) CRL快速开发框架系列教程二(基于Lambda表达式查询) CRL快速开发框架系列教程三(更新数据) CRL快速开发框 ...
- await and async
Most people have already heard about the new “async” and “await” functionality coming in Visual Stud ...
- 浅谈JSP注释
HTML注释 JSP文件是由HTML尿急和嵌入的Java程序片段组成的,所以在HTML中的注释同样可以在JSP文件中使用.注释格式:<!--注释内容--> <!-- 欢迎提示信息! ...
- Android—万能ListView适配器
ListView是开发中最常用的控件了,但是总是会写重复的代码,浪费时间又没有意义. 最近参考一些资料,发现一个万能ListView适配器,代码量少,节省时间,总结一下分享给大家. 首先有一个自定义的 ...
- .Net 初步学习笔记之一——.Net 平台与.Net FrameWork框架的关系
.Net 包含两部分 .Net平台 和.Net FrameWork 框架 1..Net FrameWork框架包含于.Net平台. .Net FrameWork提供环境和支撑保证.Net平台运行. 2 ...