- android - RelativeLayout 背景可绘制重叠内容
- android - 如何链接 cpufeatures lib 以获取 native android 库?
- java - OnItemClickListener 不起作用,但 OnLongItemClickListener 在自定义 ListView 中起作用
- java - Android 文件转字符串
我已经实例化了一个 Hadoop 2.4.1 集群,我发现运行 MapReduce 应用程序的并行化取决于输入数据所在的文件系统类型。
使用 HDFS,MapReduce 作业将生成足够多的容器以最大限度地利用所有可用内存。例如,一个172GB内存的3节点集群,每个map任务分配2GB内存,将创建大约86个应用程序容器。
在非 HDFS 的文件系统上(如 NFS 或在我的用例中,并行文件系统),MapReduce 作业将仅分配可用任务的子集(例如,对于相同的 3 节点集群,大约 25-创建了 40 个容器)。由于我使用的是并行文件系统,因此我不太关心使用 NFS 时会发现的瓶颈。
是否有 YARN (yarn-site.xml) 或 MapReduce (mapred-site.xml) 配置可以让我有效地最大化资源利用率?
最佳答案
这取决于文件系统。
局部性的工作方式是您必须在 Hadoop FileSYstem 接口(interface)内为给定文件实现 getBlockLocations。例如,您可以看到:
一个示例实现,来自 glusterfs-hadoop filesystem implementation ,在这里:
public BlockLocation[] getFileBlockLocations(FileStatus file,long start,long len) throws IOException{
File f=pathToFile(file.getPath());
BlockLocation[] result=null;
result=attr.getPathInfo(f.getPath(), start, len);
if(result==null){
log.info("Problem getting destination host for file "+f.getPath());
return null;
}
return result;
}
在上面你可以看到文件的元数据是通过 gluster 特定的包装器提供的,调用 gluster 特定的命令来确定哪些节点存储文件的实际内容。 BlockLocation[] 数组然后作为作业调度程序的提示,它将尝试将任务定位到拆分确定其 block 位置所在的本地。
但归根结底,调度程序的工作是处理拆分,而不是 block 。因此,拆分可以小于或大于文件系统 block 。如果它更大,则很可能部分拆分将通过网络流式传输。如果它小很多,那么您可能会获得更多的局部性,但可能会以拥有更多的总体任务数为代价。
在优化时,请记住每个输入拆分最终都是提供给映射器的内容。
在 HDFS 中,默认值往往比其他文件系统调整得更好。
通过在您的 hadoop 兼容文件系统中实现更细粒度的分块 (getBlockLocations),您可以增加 block 的数量以及这些 block 的复制。
增加 block 的数量可以提高特定 block 能够在本地上下文中运行的可能性。
此外,您还可以在运行时切换输入分割数(最大和最小)作为 mapreduce 作业参数的一部分。通过更新此值,您可能会提高性能(即机器的使用),但也可能会降低局部性(更多拆分意味着,如果某些机器本质上更快,则 mapreduce 可以将拆分流式传输到非本地机器,这可能会抢走很多任务。)
关于hadoop/yarn 和非 hdfs 文件系统上的任务并行化,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25269964/
HDFS 是 Hadoop 中的逻辑文件系统,块大小为 64MB。 HDFS 上的文件依次保存在底层操作系统文件系统上,比如 ext4,块大小为 4KiB。 据我所知,对于本地文件系统上的文件,操作系
哪种工具最适合测量 HDFS 空间消耗? 当我总结“hdfs dfs -du/”的输出时,与“hdfs dfsadmin -report”(“DFS Used”行)相比,我总是消耗更少的空间。是否有
我正在尝试编写一个简单的脚本来验证 HDFS 和本地文件系统校验和。 在 HDFS 上我得到 - [m@x01tbipapp3a ~]$ hadoop fs -checksum /user/m/fil
我从 HDFS 中删除了一个文件夹,我在下面找到了它 /user/hdfs/.Trash/Current/ 但我无法恢复它。我查看了论坛,但没有找到好的解决方案。 请有人有解决方案我可以帮助我如何在最
在 5 个节点的集群上运行 Presto 大型扫描查询,看起来只有一个节点是查询协调器,并通过网络从 5 个 hdfs 节点读取数据。 所有 presto 进程都在数据节点上运行。 有没有办法让5个节
我有一个名为 file name(1).zip 的文件(里面有空格和括号),我想把这个文件放在 HDFS 上。但是每次我尝试通过 hadoop fs -put ... 放置它时,我都会遇到异常。 我什
在 5 个节点集群上运行 Presto 大扫描查询,看起来只有一个节点是查询协调器,并通过网络从 5 个 hdfs 节点读取数据。 所有presto进程都在数据节点上运行。 有没有办法让5个节点使用s
所以我在 CentOS 5 上通过 Cloudera Manager cdh3u5 安装了 Hadoop。当我运行 cmd 时 hadoop fs -ls/ 我希望看到 hdfs://localhos
我用命令在hadoop上运行flume flume-ng agent -c conf -f conf/flume-twitter.conf -n TwitterAgent 现在我无法保存推特数据。它显
我使用两台主机(hadoop-coc-1 和 hadoop-coc-2)尝试在其中配置 HDFS 联合。因此,我在两个主机(hadoop-coc-1 和 hadoop-coc-2)中配置了 $ cat
我需要将大量文件从一个 hdfs 目录移动(而不是复制)到同一集群中的另一个 hdfs 目录。 我可以使用 distcp,但它似乎有点矫枉过正,因为它正在复制文件(复制它)我只想移动它。两个问题: A
当我尝试将文件从我的 本地目录 复制到 HDFS 时,出现以下错误: [cloudera@localhost ~]$ hadoop fs -copyFromLocal hello.txt /user/
据我所知,在从一个 HDFS 位置移动到另一个位置时,没有直接选项可以覆盖 HDFS 中的文件,复制 cp 可以选择强制执行。我试图找出是否有任何黑客可以做到这一点? 我们能做的是 hdfs dfs
我有两个 HDFS 设置,想将一些表从 HDFS1 复制(而不是迁移或移动)到 HDFS2。如何将数据从一个 HDFS 复制到另一个 HDFS?是否可以通过 Sqoop 或其他命令行实现? 最佳答案
目前尚不清楚您是否可以像在 Flume 中那样在 Kafka 中进行扇出(复制)。 我想让 Kafka 将数据保存到 HDFS 或 S3,并将该数据的副本发送到 Storm 进行实时处理。 Storm
如何发出 hdfs 命令作为 EMR 集群中的一个步骤?将步骤添加为 script_runner.jar 任务似乎奇怪地失败了。 最佳答案 使用 command-runner.jar 并调出 bash
如何发出 hdfs 命令作为 EMR 集群中的一个步骤?将步骤添加为 script_runner.jar 任务似乎奇怪地失败了。 最佳答案 使用 command-runner.jar 并调出 bash
我是 Hadoop 和 HDFS 的新手,所以当我从本地 (Ubuntu 10.04) 复制到本地主机上单个节点上的 HDFS 时,可能是我做错了什么。初始副本工作正常,但当我修改我的本地输入文件夹并
根据我在 Hadoop HDFS 上的实践,我了解到在创建用户 say u1 并尝试将文件从本地文件系统放入 HDFS 时,它会搜索目录 /user/u1 (默认情况下)对 HDFS 文件系统具有写入
我想将一个 70G 的文件放入 hdfs,所以我使用“put”命令来完成此操作。但是,我得到以下异常。我用相同的命令尝试了小尺寸文件,它有效。有谁知道是什么问题?谢谢! WARN [DataStre
我是一名优秀的程序员,十分优秀!