- 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
我是大数据领域的新手,正在尝试学习 Hadoop。让我感到惊讶的一件事是大数据或 Hadoop 默认支持不变性,因为我们希望一次写入数据并多次读取数据,而不变性是分布式存储和处理世界中的最佳选择。同时,我了解到Hadoop中所有实现Writable接口(interface)的数据类型本质上都是可变的,以支持框架中的序列化。当所有数据类型都是可变的时,我在这里感到困惑,那么 Hadoop 整体上将如何支持不变性?两者不矛盾吗?
预先感谢您回答我的问题。
最佳答案
Hadoop immutable
使用 Hadoop,所有写入的记录都是不可变的,因为 Hadoop 不支持随机写入。有时这可能是一个真正的痛苦,但它的扩展性非常好。您甚至会发现越来越多的语言正在恢复不可变对象(immutable对象)的概念。为什么?好吧,因为可变对象存在几个问题。其一,可变对象必须处理并发。仅此一项就需要额外的编程来确保一个对象一次只能由一个源更新。当您更新已写入磁盘的可变对象时,您需要重写更改后的整个文件。这可能代价高昂。引用- https://streever.atlassian.net/wiki/display/HADOOP/2014/03/06/Managing+Mutable+Data+in+an+Immutable+Big+Data+World
Data type mutable
原因是序列化机制。让我们看一下代码:
//版本 1.x MapRunner#run()K1 key = input.createKey();V1 value = input.createValue();
while (input.next(key, value)) {
// map pair to output
mapper.map(key, value, output, reporter);
...所以我们再次重用相同的键/值对实例。为什么?我不知道当时的设计决策,但我认为这是为了减少垃圾对象的数量。请注意,Hadoop 相当古老,那时垃圾收集器的效率不如今天,但即使在今天,如果您映射数十亿个对象并直接将它们作为垃圾丢弃,也会在运行时产生很大差异。
不能使 Writable 类型真正不可变的真正原因是不能将字段声明为 final。让我们用 IntWritable 做一个简单的例子:
public class IntWritable implements WritableComparable {
private int value;
public IntWritable() {}
public IntWritable(int value) { set(value); }
...如果你想让它不可变,它肯定不再适用于序列化过程,因为你需要定义 final 值。这是行不通的,因为键和值是在运行时通过反射实例化的。这需要一个默认构造函数,因此 InputFormat 无法猜测填充最终数据字段所需的参数。因此,重用实例的整个概念显然与不变性的概念相矛盾。
但是,您应该问问自己,不可变的键/值在 Map/Reduce 中应该有什么样的好处。在 Joshua Bloch 的 Effective Java 的第 15 项中,他指出不可变类更易于设计、实现和使用。他是对的,因为 Hadoop 的 reducer 是可变性最糟糕的例子:
void reduce(IntWritable key, Iterable<Text> values, Context context) ...
可迭代对象中的每个值都引用同一个共享对象。因此,如果将值缓冲到普通集合中,许多人会感到困惑,并问自己为什么它总是保留相同的值。
最后,它归结为性能(CPU 和内存 - 想象一下,单个键的数十亿值对象必须驻留在 RAM 中)与简单性之间的权衡。
关于Hadoop 不可变与数据类型可变,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37914250/
我们有数据(此时未分配)要转换/聚合/透视到 wazoo。 我在 www 上看了看,我问的所有答案都指向 hadoop 可扩展、运行便宜(没有 SQL 服务器机器和许可证)、快速(如果你有足够的数据)
这很明显,我们都同意我们可以将 HDFS + YARN + MapReduce 称为 Hadoop。但是,Hadoop 生态系统中的其他不同组合和其他产品会怎样? 例如,HDFS + YARN + S
如果 es-hadoop 只是连接到 HDFS 的 Hadoop 连接器,它如何支持 Hadoop 分析? 最佳答案 我假设您指的是 this project .在这种情况下,ES Hadoop 项目
看完this和 this论文,我决定我想在 MapReduce 上为大型数据集实现分布式体积渲染设置作为我的本科论文工作。 Hadoop 是一个合理的选择吗? Java 不会扼杀一些性能提升或使与 C
我一直在尝试查找有关如何通过命令行提交 hadoop 作业的信息。 我知道命令 - hadoop jar jar-file 主类输入输出 还有另一个命令,我正在尝试查找有关它的信息,但未能找到 - h
Hadoop 服务器在 Kubernetes 中。而Hadoop客户端位于外网。所以我尝试使用 kubernetes-service 来使用 Hadoop 服务器。但是 hadoop fs -put
有没有人遇到奇怪的环境问题,在调用 hadoop 命令时被迫使用 SU 而不是 SUDO? sudo su -c 'hadoop fs -ls /' hdfs Found 4 itemsdrwxr-x
在更改 mapred-site.xml 中的属性后,我给出了一个 tar.bz2 文件、.gz 和 tar.gz 文件作为输入。以上似乎都没有奏效。我假设这里发生的是 hadoop 作为输入读取的记录
如何在 Hadoop Pipes 中获取正在 hadoop 映射器 中执行的输入文件 名称? 我可以很容易地在基于 java 的 map reducer 中获取文件名,比如 FileSplit fil
我想使用 MapReduce 方法分析连续的数据流(通过 HTTP 访问),因此我一直在研究 Apache Hadoop。不幸的是,Hadoop 似乎期望以固定大小的输入文件开始作业,而不是能够在新数
名称节点可以执行任务吗?默认情况下,任务在集群的数据节点上执行。 最佳答案 假设您正在询问MapReduce ... 使用YARN,MapReduce任务在应用程序主数据库中执行,而不是在nameno
我有一个关系A包含 (zip-code). 我还有另一个关系B包含 (name:gender:zip-code) (x:m:1234) (y:f:1234) (z:m:1245) (s:f:1235)
我是hadoop地区的新手。您能帮我负责(k2,list[v2,v2,v2...])形式的输出(意味着将键及其所有关联值组合在一起)的责任是吗? 谢谢。 最佳答案 这是Hadoop的MapReduce
因此,我一直在尝试编写一个hadoop程序,该程序将输入作为一个包含许多文件的文件,并且我希望hadoop程序的输出仅是输入文件的一行。但是我还没有做到这一点。我也不想去 reducer 课。如果有人
我使用的输入文本文件的内容是 1 "Come 1 "Defects," 1 "I 1 "Information 1 "J" 2 "Plain 5 "Project 1
谁能告诉我以下grep命令的作用: $ bin/hadoop jar hadoop-*-examples.jar grep input output 'dfs[a-z.]+' 最佳答案 http:/
我不了解mapreducer的基本功能,mapreducer是否有助于将文件放入HDFS 或mapreducer仅有助于分析HDFS中现有文件中的内容 我对hadoop非常陌生,任何人都可以指导我理解
CopyFromLocal将从本地文件系统上载数据。 不要放会从任何文件上传数据,例如。本地FS,亚马逊S3 或仅来自本地fs ??? 最佳答案 请找到两个命令的用法。 put ======= Usa
我开始研究hadoop mapreduce。 我是Java和hadoop的初学者,并且了解hadoop mapreduce的编码,但是有兴趣了解它在云中的内部工作方式。 您能否分享一些很好的链接来说明
我一直在寻找Hadoop mapreduce类的类路径。我正在使用Hortonworks 2.2.4版沙箱。我需要这样的类路径来运行我的javac编译器: javac -cp (CLASS_PATH)
我是一名优秀的程序员,十分优秀!