[MapReduce_4] MapTask 并发数的决定机制

---

 

0. 说明

　　介绍 && Map 个数 & Reduce 个数指定 && Map 切片计算

 

 

---

 

1. 介绍

　　一个 job 的 Map 阶段并行度由客户端在提交 job 时决定

　　客户端对 Map 阶段并行度的规划基本逻辑为：

　　1. 将待处理的文件进行逻辑切片（根据切片大小，逻辑上划分多个 split ），然后每一个 split 分配一个 MapTask 并行处理实例

　　2. 具体切片规划是由 FileInputFormat 实现类的 getSplits()方法 完成

 

 

---

 

2. Map 个数 & Reduce 个数指定

　　Map个数指定：

1. 根据文件个数指定
2. 根据压缩文件可切割性

 

　　Reduce个数指定：

job.setNumReduceTasks(3);

 

 

---

 3. Map 切片计算

　　【3.1 通过文件类型判断是否可切片】

　　判断文件类型(是否可切割),通过文件名后缀的反转来进行编解码器的判断

1. 无压缩编解码器 // 可切割
2. 可切割的压缩编解码器 // 可切割
3. 不可切割的压缩编解码器 // 不可切割，切片大小即文件大小　

　　SequenceFile
　　可切割，无论用什么压缩方式，或压缩编解码器

 

　　【3.2 切片计算】

　　最大切片值（MaxValue）：　　Long.MAX_VALUE

　　最小切片值（MinValue）：　　1

　　块大小（BlockSize ）：　　　  32M(本地模式) 128M(分布式)

　　切片计算

Math.max(MinValue , Math.min(MaxValue,BlockSize));

 

　　通过设置最大切片值和最小切片值确定切片大小

// 设置最大切片大小
FileInputFormat.setMaxInputSplitSize(job,100);

// 设置最小切片大小
FileInputFormat.setMinInputSplitSize(job,100);    

 

 

　　【3.3 总结逻辑切割】

　　1、先进行数据切片，切片结果保留在 temp 下，job.split,里面存有切片数据偏移量索引

　　2、每个 Map 通过此索引来计算属于自己的切片数据

　　

 

 

 

---