个人中心
文章发布
退出
作者热门文章
- 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
24
4
我对 TEZ mapreduce 作业有奇怪的行为。
我正在尝试从 Hive 读取日志数据，按 ID、日期和其他一些参数将其分成一些 block ，然后写入另一个 Hive 表。
Map 阶段工作得足够快，大约需要 20 分钟，然后 reducer 开始工作，458 个 reducer 中的 453 个在接下来的 20 分钟内处理完所有数据。但最后 5 个 reducer 工作了大约 1 小时。
发生这种情况是因为我的输入数据包含一些巨大的条目并且处理这些条目需要花费大量时间。这种情况的最佳做法是什么？我应该对 hadoop/tez/hive 进行一些调整以允许对最后的 reducer 进行某种并行处理，还是通过其他参数拆分输入数据以避免大量条目会更聪明？
感谢您的任何建议。
最佳答案
这种不那么奇怪的行为背后的神奇词是倾斜。这是一个非常普遍的问题。通常人们更喜欢忽视问题……直到他们真正感受到痛苦(就像你现在所做的那样)。
有了 TEZ，因为 HIVE-7158 Use Tez auto-parallelism in Hive 您可以尝试修改一些特定的属性:
hive.tez.auto.reducer.parallelism
hive.tez.max.partition.factor
hive.tez.min.partition.factor
但是当您有多个可以合并的异常小的归约数据集时，“自动并行”功能似乎适用，而您的问题恰恰相反(一个异常大的归约数据集)。所以你也应该尝试修补
hive.exec.reducers.bytes.per.reducer
hive.exec.reducers.max
...更改比例并使“大”成为新的“正常”(因此“正常”变为“小”)。但是，也许你得到的只是 3 个 reducer，它们都需要 1 小时才能完成。很难说。
祝你好运。这种性能调整与其说是科学，不如说是艺术。
引用:
~~~~~~
PS:当然，如果您可以通过更改组织输入数据集的方式来消除偏斜源...
关于hadoop - 泰兹。慢 reducer ，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/35414830/
24
4
0
我不知道如何从 reducerRegister.js 中的 reducerForm.js reducer 访问 bool 值 isLoading 标志。我使用了 combineReducers() 并
我正在尝试找到一种理想的方法来更新我的状态树上的几个顶级字段，同时仍然维护拆分 reducer 。 这是我想出的一个简单的解决方案。 var state = { fileOrder: [0],
如果我们想按相同的键(第一个 reducer 的输出)分组，是否可以将 reducer 的输出直接发送到另一个 reducer 有时在链接时我发现我正在使用一个映射器来读取输入并将其复制到输出。因此想
我有一个如下所示的 reducer : const chart = combineReducers({ data, fetchProgress, fetchError,
当Map Reduce代码中有多个reduce时，它们之间没有任何形式的通信。但是，当执行诸如聚合之类的操作时，所有化简器共同产生单个最终输出。当它们之间没有通信时，聚合如何发生？是通过写入上下文吗？
我在 hive 中有一个表，我想从中获取所有数据。问题是: select * from tbl; 给我的结果与以下情况截然不同: select count(*) from tbl; 这是为什么？第二个
假设我有一个带有两个 reducer 的应用程序 - 使用 combineReducers() 组合的 tables 和 footer。 当我点击某个按钮时，将分派(dispatch)两个操作 - 一
我正在学习更深入的 redux，并且在处理高阶 reducer 时遇到一些麻烦。 我试图使用一个简单的分页示例来了解它是如何工作的。 NB:下面的代码只是 Nodejs 上下文中 redux 的一个快
我调用 RSS 提要并使用解析器对其进行解析。我收到一个数组。我现在想在最后创建一个对象，看起来像这样: { "2019-06-13": { "rates": { "usd":
我有一份学生列表，我的应用程序始终显示当时的一个学生，即 activePupil。到目前为止我有两个 reducer 。其中一个包含并默认返回所有子项的列表(以数组的形式): [ { id:
我有一个叫做 animals 的特征缩减器(切片缩减器)。我想将这些 reducer 拆分为哺乳动物、鸟类、鱼类等。这部分很简单，因为我可以简单地使用 ActionReducerMap。 现在假设哺乳
空数组上的简单reduce会抛出: 线程“main”java.lang.UnsupportedOperationException 中的异常:无法减少空的可迭代对象。 链接时同样的异常: val a
我有一些 25k 文档(原始 json 中为 4 GB)的数据，我想对其执行一些 javascript 操作，以使我的最终数据使用者 (R) 更容易访问这些数据，并且我想通过为每个更改添加一个新集合来
我只是想验证我对这些参数及其关系的理解，如果我错了请通知我。 mapreduce.reduce.shuffle.input.buffer.percent 告诉分配给 reducer 的整个洗牌阶段的内
我想将 redux 状态的值从 reducer 传递到另一个 reducer。在我的例子中，我想将 groups 的值从 groupReducer.js 中的状态传递到 scheduleReducer
所以，我有一个应用程序，它有多个 reducer ，因此有多个关联的 Action 创建者。 有一段时间，我的一个 reducer 更新了状态(由于编辑)，因此，我必须确保其他 reducer 看到此
我有一个 reducer ，可以在调度操作时重新调整适当的状态。现在我定期调用 API，因此结果会一次又一次地触发操作。所以我想要的是，如果 reducer 状态已经有数据，那么另一个 reducer
当我尝试执行来自 here 的 DISTINCT reduce 时，出现错误。我已经在啤酒 sample 桶上重现了这个错误，所以这应该很容易重现。我没有在 mapreduce_errors.txt
在以下语法的简单优先级解析(分解)中，我们存在 shift-reduce 和 reduce-reduce 冲突。 X 是开始符号，X'-->$X$ 是添加规则。另外+和下符号是终结符。 X'-->$X
我需要编写一个连续调用两个reducer的Mapreduce程序。即，第一个 reducer 的输出将是第二个 reducer 的输入。我如何实现这一目标？ 到目前为止我发现的内容表明我需要在我的驱动
我是一名优秀的程序员,十分优秀！