MapReduce 本地化优先策略

本文介绍了Hadoop中MapReduce的本地化策略,包括Map任务如何利用数据本地化提高执行效率,以及Reduce任务在网络数据传输过程中的特点。同时,还探讨了如何通过合理设置数据分片大小来实现高效并行处理。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

http://note.youdao.com/noteshare?id=db6a42debfcb09a1a6d54a497e760f68&sub=649D30D6AD144AB8AC13802E61B47E3E

1、map具备本地化优势策略 
map执行时优先选择在存储HDFS数据的服务器上执行,其次在同机架的服务器上执行,最次在其他机架服务器上执行。 
hadoop执行第一步是将输入数据分片(分成固定大小),单个分片大小要与HDFS最小数据单元相同,因为如果一个分片大于HDFS单元的话,就无法保证分片数据在同一台服务器上。如果跨服务器就会增加网络传输数据的时间消耗。
2、reduce 不具备本地化优势策略 
reduce任务执行不具备就近原则,之后有个shuffer阶段,会通过网络将map执行结果传输之reduce处理的服务器中,在进行计算。
3、.针对有一个128M的数据,依据本地化优先策略,怎样达到高速并发执行的效果?
因为128M有三个副本,设置切片大小128/3M,3个节点,每个节点处理三分之一,在依据本地化优先策略下,可以达到高速并发执行的效果。
示意图如下:


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值