hadoop map個數控制怎么實現

這篇文章主要介紹“hadoop map個數控制怎么實現”，在日常操作中，相信很多人在hadoop map個數控制怎么實現問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”hadoop map個數控制怎么實現”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

 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，1.x默認為64M，2.x為128M，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
mapred.tasktracker.map.tasks.maximum: 任務跟蹤器將同時運行的最大映射任務數,默認為2

（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。

（5）mapred.tasktracker.map.tasks.maximum >= mapred.map.tasks

補充： hadoop版本中 1.x 與 2.x 參數名稱有變更
1.x 名稱                                                                     2.x 名稱
mapred.map.tasks                                                    mapreduce.job.maps
mapred.min.split.size                                                mapreduce.input.fileinputformat.split.minsize
mapred.tasktracker.map.tasks.maximum                  mapreduce.tasktracker.map.tasks.maximum

到此，關于“hadoop map個數控制怎么實現”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！