2018 年 8月 26 日随笔档案 - waker_wang

HDSF读写文件

摘要： HDFS 读取文件 HDFS的文件读取原理，主要包括以下几个步骤： 1、首先调用FileSystem对象的open方法，其实获取的是一个DistributedFileSystem的实例。 2、DistributedFileSystem通过RPC(远程过程调用)获得文件的第一批block的 loca 阅读全文

posted @ 2018-08-26 14:28 waker_wang 阅读(229) 评论(0) 推荐(0) 编辑

一个 mr 作业跑的比较慢，如何来优化。

摘要： mr跑的慢可能有很多原因，如：数据倾斜、map和reduce数设置不合理、reduce等待过久、小文件过多、spill 次数过多、 merge 次数过多等。 1、解决数据倾斜：数据倾斜可能是partition不合理，导致部分partition中的数据过多，部分过少。可通过分析数据，自定义分区器解决。阅读全文

posted @ 2018-08-26 10:39 waker_wang 阅读(1424) 评论(0) 推荐(0) 编辑

2018年8月26日

公告