hadoop中如何控制map的數量

@(HADOOP)[hadoop]

hadooop提供了一個設置map個數的參數mapred.map.tasks，我們可以通過這個參數來控制map的個數。但是通過這種方式設置map的個數，并不是每次都有效的。原因是mapred.map.tasks只是一個hadoop的參考數值，最終map的個數，還取決于其他的因素。

為了方便介紹，先來看幾個名詞：
block_size : hdfs的文件塊大小，默認為64M，可以通過參數dfs.block.size設置
total_size : 輸入文件整體的大小
input_file_num : 輸入文件的個數

（1）默認map個數
如果不進行任何設置，默認的map個數是和blcok_size相關的。

default_num = total_size / block_size;

（2）期望大小
可以通過參數mapred.map.tasks來設置程序員期望的map個數，但是這個個數只有在大于default_num的時候，才會生效。
goal_num = mapred.map.tasks;

（3）設置處理的文件大小
可以通過mapred.min.split.size 設置每個task處理的文件大小，但是這個大小只有在大于block_size的時候才會生效。

split_size = max(mapred.min.split.size, block_size);split_num = total_size / split_size;

（4）計算的map個數

compute_map_num = min(split_num, max(default_num, goal_num))

除了這些配置以外，mapreduce還要遵循一些原則。 mapreduce的每一個map處理的數據是不能跨越文件的，也就是說min_map_num >= input_file_num。 所以，最終的map個數應該為：

final_map_num = max(compute_map_num, input_file_num)

經過以上的分析，在設置map個數的時候，可以簡單的總結為以下幾點：
（1）如果想增加map個數，則設置mapred.map.tasks 為一個較大的值。
（2）如果想減小map個數，則設置mapred.min.split.size 為一個較大的值。
（3）如果輸入中有很多小文件，依然想減少map個數，則需要將小文件merger為大文件，然后使用準則2。

總結

以上是生活随笔為你收集整理的hadoop中如何控制map的数量的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。