从一个经典案例看优化mapred.map.tasks的重要性
2013-04-27 09:52
190 查看
我所在公司所使用的生产Hive环境的几个参数配置如下:
dfs.block.size=268435456
hive.merge.mapredfiles=true
hive.merge.mapfiles=true
hive.merge.size.per.task=256000000
mapred.map.tasks=2
因为合并小文件默认为true,而dfs.block.size与hive.merge.size.per.task的搭配使得合并后的绝大部分文件都在300MB左右。
CASE 1:
现在我们假设有3个300MB大小的文件,那么goalsize
= min(900MB/2,256MB) = 256MB (具体如何计算map数请参见http://blog.sina.com.cn/s/blog_6ff05a2c010178qd.html)
所以整个JOB会有6个map,其中3个map分别处理256MB的数据,还有3个map分别处理44MB的数据。
这时候木桶效应就来了,整个JOB的map阶段的执行时间不是看最短的1个map的执行时间,而是看最长的1个map的执行时间。所以,虽然有3个map分别只处理44MB的数据,可以很快跑完,但它们还是要等待另外3个处理256MB的map。显然,处理256MB的3个map拖了整个JOB的后腿。
CASE 2:
如果我们把mapred.map.tasks设置成6,再来看一下有什么变化:
goalsize = min(900MB/6,256MB) = 150MB
整个JOB同样会分配6个map来处理,每个map处理150MB的数据,非常均匀,谁都不会拖后腿,最合理地分配了资源,执行时间大约为CASE
1的59%(150/256)
案例分析:
虽然mapred.map.tasks从2调整到了6,但是CASE
2并没有比CASE 1多用map资源,同样都是使用6个map。而CASE
2的执行时间约为CASE 1执行时间的59%。
从这个案例可以看出,对mapred.map.tasks进行自动化的优化设置其实是可以很明显地提高作业执行效率的。
dfs.block.size=268435456
hive.merge.mapredfiles=true
hive.merge.mapfiles=true
hive.merge.size.per.task=256000000
mapred.map.tasks=2
因为合并小文件默认为true,而dfs.block.size与hive.merge.size.per.task的搭配使得合并后的绝大部分文件都在300MB左右。
CASE 1:
现在我们假设有3个300MB大小的文件,那么goalsize
= min(900MB/2,256MB) = 256MB (具体如何计算map数请参见http://blog.sina.com.cn/s/blog_6ff05a2c010178qd.html)
所以整个JOB会有6个map,其中3个map分别处理256MB的数据,还有3个map分别处理44MB的数据。
这时候木桶效应就来了,整个JOB的map阶段的执行时间不是看最短的1个map的执行时间,而是看最长的1个map的执行时间。所以,虽然有3个map分别只处理44MB的数据,可以很快跑完,但它们还是要等待另外3个处理256MB的map。显然,处理256MB的3个map拖了整个JOB的后腿。
CASE 2:
如果我们把mapred.map.tasks设置成6,再来看一下有什么变化:
goalsize = min(900MB/6,256MB) = 150MB
整个JOB同样会分配6个map来处理,每个map处理150MB的数据,非常均匀,谁都不会拖后腿,最合理地分配了资源,执行时间大约为CASE
1的59%(150/256)
案例分析:
虽然mapred.map.tasks从2调整到了6,但是CASE
2并没有比CASE 1多用map资源,同样都是使用6个map。而CASE
2的执行时间约为CASE 1执行时间的59%。
从这个案例可以看出,对mapred.map.tasks进行自动化的优化设置其实是可以很明显地提高作业执行效率的。
相关文章推荐
- [Hive]从一个经典案例看优化mapred.map.tasks的重要性
- 从一个经典案例看优化mapred.map.tasks的重要性
- [Hive]从一个经典案例看优化mapred.map.tasks的重要性
- 【推荐】 RAC 性能优化全攻略与经典案例剖析
- SQL优化经典案例----树形查询优化
- 因为涉及到泄密问题,个人博客上SQL优化部分的很多经典案例被删除
- 【推荐】 RAC 性能优化全攻略与经典案例剖析
- SQL优化经典案例----外连接where条件位置优化
- map和reduce 个数的设定 (Hive优化)经典
- mapred.map.tasks 如何影响map的个数
- 因为涉及到泄密问题,个人博客上SQL优化部分的很多经典案例被删除
- map和reduce 个数的设定 (Hive优化)经典
- 经典案例:如何优化Oracle使用DBlink的SQL语句
- SQL优化经典案例----外连接where条件位置优化
- SQL优化经典案例----消除CONCATENATION
- map和reduce 个数的设定 (Hive优化)经典
- 关于需求与干系人期望及团队合作重要性的经典案例
- 从一个案例来看日志分析的重要性
- map和reduce 个数的设定 (Hive优化)经典
- map和reduce 个数的设定 (Hive优化)经典