返回主题:批处理作业的写法:连接、聚合与作业抽象

知识卡片

普通读书笔记卡 · 1785.a.2.a

少量归约可限制输出文件

理解等级:中级

只做映射的分解作业可能让每个mapper都为多种记录类型创建文件,输出文件数量随mapper数与类型数相乘。书中故意增加归约阶段,用可配置的reducer数控制输出写入端,再合并小文件。多一个阶段虽然增加数据重排,却可能减少元数据及文件句柄压力;少阶段不必然代表整体更快。

与[[小文件重复调度开销]]的联系:受控归约减少mapper乘类型导致的输出小文件膨胀。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《大数据系统构建:可扩展实时数据系统构建原理与最佳实践》第9章《批处理层示例:实现》(来源项目book-sources;源文件:extracted/大数据系统构建:可扩展实时数据系统构建原理与最佳实践/_epub-src/OEBPS/Text/071.xhtml) - 结论依据:原文以10000 mapper与100类型造成百万文件的例子,比较100 reducer的输出规模。 - 原始内容:你可以通过将reduce阶段人为地引入计算中来解决这个问题。