- 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
到目前为止,我一直使用 Pig 或 Java for Map Reduce 专门针对 Hadoop 集群运行作业。我最近尝试通过 Hadoop 流使用 Python Map Reduce,这也很酷。所有这些对我来说都很有意义,但我对何时使用一种实现与使用一种实现有点模糊。其他。 Java map reduce,我基本上只在需要速度时才使用它,但我什么时候会想要使用 Python 流式处理之类的东西,而不是仅仅在 PIG/Hive 中用更少、更容易理解的行写出同样的东西?简而言之,各自的优缺点是什么?
最佳答案
我将分别涉及 Java 与 Python,然后分别涉及 MR 与 Hive/Pig - 因为我将其视为两个不同的问题
Hadoop 是围绕 java 构建的,它的许多功能都可以通过 Java API 获得,并且 Hadoop 大部分可以使用 java 类进行扩展。
Hadoop 确实有能力处理用其他语言创建的 MR 作业——它被称为流式处理。该模型只允许我们定义 mapper 和 reducer,但有一些 java 中不存在的限制。同时 - 输入/输出格式和其他插件必须编写为 java 类
所以我将决策定义如下:a) 使用 Java,除非你有严肃的代码库,否则你需要在你的 MR 工作中重新使用。b) 当您需要创建一些简单的临时作业时,请考虑使用 Python。
关于 Pig/Hive - 它也是更高级别的以 java 为中心的系统。 Hive 可以在没有任何编程的情况下使用,但它可以使用 java 进行扩展。 Pig 从一开始就需要 java。我认为在可以应用的情况下,这个系统几乎总是比 MR 工作更可取。通常这些是处理类似 SQL 的情况。
流式处理与 native Java 之间的性能考虑。
流式传输通过其输入流将输入提供给映射器。它是进程间通信,在 java 的情况下,它本质上比记录读取器和映射器之间的进程内数据传递效率低。
从上面我可以得出以下结论:a) 在一些轻处理的情况下(比如寻找子字符串、计数......)这种开销可能很重要,java 解决方案会更有效。
b) 在一些繁重的处理的情况下,可以用一些非 Java 语言更有效地实现——基于流的解决方案可能有一些优势。
Pig/Hive 性能注意事项。
Pig/Hive 都实现了SQL 处理的原语。换句话说 - 他们在 RDBMS 世界中实现执行计划的元素。这些实现很好,并且经过了很好的调整。同时 Hive(我更了解的东西)是解释器。它不生成代码——它在预构建的 MR 作业中解释执行计划。这意味着如果您有一些复杂的条件并专门为它们编写代码 - 它有机会比 Hive 做得更好 - 代表编译器与 interpeter 的性能优势。
关于hadoop - 使用各种语言在 Hadoop 中运行作业的优缺点是什么?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/9569009/
好的,所以我想从批处理文件运行我的整个工作环境... 我想要实现什么...... 打开新的 powershell,打开我的 API 文件夹并从该文件夹运行 VS Code 编辑器(cd c:\xy;
我正在查看 Cocoa Controls 上的示例并下载了一些演示。我遇到的问题是一些例子,比如 BCTabBarController ,不会在我的设备上构建或启动。当我打开项目时,它看起来很正常,没
我刚刚开始学习 C 语言(擅长 Java 和 Python)。 当编写 C 程序(例如 hello world)时,我在 ubuntu cmd 行上使用 gcc hello.c -o hello 编译
我在 php 脚本从 cron 开始运行到超时后注意到了这个问题,但是当它从命令行手动运行时这不是问题。 (对于 CLI,PHP 默认的 max_execution_time 是 0) 所以我尝试运行
我可以使用命令行运行测试 > ./node_modules/.bin/wdio wdio.conf.js 但是如果我尝试从 IntelliJ 的运行/调试配置运行它,我会遇到各种不同的错误。 Fea
Error occurred during initialization of VM. Could not reserve enough space for object heap. Error: C
将 Anaconda 安装到 C:\ 后,我无法打开 jupyter 笔记本。无论是在带有 jupyter notebook 的 Anaconda Prompt 中还是在导航器中。我就是无法让它工作。
我遇到一个问题,如果我双击我的脚本 (.py),或者使用 IDLE 打开它,它将正确编译并运行。但是,如果我尝试在 Windows 命令行中运行脚本,请使用 C:\> "C:\Software_Dev
情况 我正在使用 mysql 数据库。查询从 phpmyadmin 和 postman 运行 但是当我从 android 发送请求时(它返回零行) 我已经记录了从 android 发送的电子邮件是正确
所以这个有点奇怪 - 为什么从 Java 运行 .exe 文件会给出不同的输出而不是直接运行 .exe。 当 java 在下面的行执行时,它会调用我构建的可与 3CX 电话系统配合使用的 .exe 文
这行代码 Environment.Is64BitProcess 当我的应用单独运行时评估为真。 但是当它在我的 Visual Studio 单元测试中运行时,相同的表达式的计算结果为 false。 我
关闭。这个问题是opinion-based .它目前不接受答案。 想要改进这个问题? 更新问题,以便 editing this post 可以用事实和引用来回答它. 关闭 8 年前。 Improve
我写了一个使用 libpq 连接到 PostgreSQL 数据库的演示。 我尝试通过包含将 C 文件连接到 PostgreSQL #include 在我将路径添加到系统变量 I:\Program F
如何从 Jenkins 运行 Android 模拟器来运行我的测试?当我在 Execiute Windows bath 命令中写入时,运行模拟器的命令: emulator -avd Tester 然后
我已经配置好东西,这样我就可以使用 ssl 登录和访问在 nginx 上运行的 errbit 我的问题是我不知道如何设置我的 Rails 应用程序的 errbit.rb 以便我可以运行测试 nginx
我编写了 flutter 应用程序,我通过 xcode 打开了 ios 部分并且应用程序正在运行,但是当我通过 flutter build ios 通过 vscode 运行应用程序时,我得到了这个错误
我有一个简短的 python 脚本,它使用日志记录模块和 configparser 模块。我在Win7下使用PyCharm 2.7.1和Python 3.3。 当我使用 PyCharm 运行我的脚本时
我在这里遇到了一些难题。 我的开发箱是 64 位的,windows 7。我所有的项目都编译为“任何 CPU”。该项目引用了 64 位版本的第 3 方软件 当我运行不使用任何 Web 引用的单元测试时,
当我注意到以下问题时,我正在做一些 C++ 练习。给定的代码将不会在 Visual Studio 2013 或 Qt Creator 5.4.1 中运行/编译 报错: invalid types 'd
假设我有一个 easteregg.py 文件: from airflow import DAG from dateutil import parser from datetime import tim
我是一名优秀的程序员,十分优秀!