C_time的博客

map-side join:(最为高效)核心思想：将小表进行分布式缓存，在map-task阶段读取缓存文件数据存储到内存数据结构中，以供reduce阶段连接查找。适用场景：有一个或者多个小表(文件)优点：将小表缓存，可以高效查询；由于在map阶段进行连接，所以将会大大减小map到reduce端的数据传输，从而减少不必要的shuffle耗时，提高整个mr的执行效率缺点：如果业务全是大表不适...

有很多数据存在mongodb中，希望使用mr来去将数据分布式读取出来，并且统计，然后再将结果存储到mongo中。(其它mr支持不友好的数据库均可以自行定义)现有如下数据：db.students.insert({name:"bingbing",age:16,sex:"F"})db.students.insert({name:"zhiyin",sex:"M"})db.students.inse...

1 资源相关参数//以下参数是在用户自己的mr应用程序中配置在mapred-site.xml就可以生效(1) mapreduce.map.memory.mb: 一个Map Task可使用的资源上限（单位:MB），默认为1024。如果Map Task实际使用的资源量超过该值，则会被强制杀死。(2) mapreduce.reduce.memory.mb: 一个Reduce Task可使用的资源上...

1、求出每天访问的去重用户数、会员数、session数数据样例 如下 实际大概500M左右 数据只是一天的数据 所以最后结果只有一条链接：https://pan.baidu.com/s/15_8m-kn-_cYmmpNSsMcutA提取码：wjhu190.164.178.204 1531362217 www.qianfeng.com /?en=e_l&ver=0.0.1&p...