- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
有人告诉我count(distinct)可能会导致数据偏斜,因为只使用了一个reducer。
我使用包含50亿条数据和2个查询的表进行了测试,
查询A:
select count(distinct columnA) from tableA
select count(columnA) from
(select columnA from tableA group by columnA) a
370 mappers
,和
1 reducers
,而thay几乎具有
same cumulative CPU seconds
。这意味着它们之间没有种属差异,并且时间差异可能是由集群负载引起的。
mapreduce.job.reduces
但它不起作用。顺便说一句,如果他们都使用1个reducer,为什么人们建议不要使用
count(distinct )
,并且看来数据偏斜是不可避免的?
最佳答案
两个查询使用的映射器数量均与预期的相同,并且单个最终化简器的数量也与预期相同,因为您需要单个标量计数结果。同一顶点上的多个 reducer 独立运行,隔离运行,每个 reducer 都会产生自己的输出,这就是为什么最后一级只有单个 reducer 的原因。区别在于计划。
在第一个查询执行中,单个化简器读取每个映射器输出,并对所有数据进行不同的计数计算,从而处理过多的数据。
第二个查询使用中间聚集,最后的reducer接收部分汇总的数据(在上一步中汇总的不同值)。 Final Reducer需要再次聚合部分结果才能获得最终结果,它的数据量可能比第一种情况少得多。
从Hive 1.2.0开始,对count(distinct)进行了优化,您无需重写查询。设置此属性:hive.optimize.distinct.rewrite=true
也有映射器聚合(映射器也可以预聚合数据,并在其数据部分的范围内生成不同的值-拆分)设置此属性以允许映射端聚合:hive.map.aggr=true
使用EXPLAIN命令检查执行计划中的差异。
另请参见以下答案:https://stackoverflow.com/a/51492032/2700344
关于hadoop - reducer 配置单元数和计数(不同),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/61767941/
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!