赞
踩
mapTask运行机制
mapTask并行度:同时存在几个mapTask
TextInputFormat中的getSplits方法返回的是切片数目,有多少切片就有几个mapTask。
获取文件的切片的几个参数控制:
mapred.min.split.size 没有配置的话默认值是1
mapred.max.split.size 没有配置的话默认值是 Long.MAX_VALUE
如果没有配置上面这两个参数,我们文件的切片大小就是128M,与我们的block块相等
正常一个block块对应一个mapTask
mapTask流程
1、inputFormat读取文件数据,并解析为相对应的键值对k1,v1
2、自定义map程序,解析为我们想要的k2,v2
3、在写入环形缓冲区前会进入分区阶段,每个数据指定将要进入哪一个reduce
4、写入环形缓冲区。环形缓冲区默认大小为100M,当写入的数据到达80M的时候,会启动溢写。
5、在溢写的时候会对溢写数据进行排序,然后再写入磁盘的临时文件中。
6、当该mapTask数据写入完成后,所有临时文件会合并成一个大文件
mapTask基础设置配置
设置一:设置环型缓冲区的内存值大小(默认设置如下)
mapreduce.task.io.sort.mb 100
设置
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。