hadoop优化之MapReduce的Uber方式运行

hadoop2.x版本中新增了Uber方式运行MR。

什么是Uber呢？

hadoop中对于Uber做了如下的定义：

1、mapreduce.job.ubertask.enable=true 首先你要启用uber模式，默认是false

2、map数量<=9,

3、reduce<=1,

4、所有输入文件的总长度<=默认块大小（128M），

5、mapreduce.map.memory.mb（默认1024）<=内存需求(内存需求的大小由yarn.app.mapreduce.am.resource.mb来决定，默认1536M)

6、cpu<=yarn.app.mapreduce.am.resource.cpu-vcores(默认1)

7、非链式方式运行MR

Uber方式运行MapReduce的好处是什么呢？

举例说明，假定默认ReduceTaskNum=1：

比如目标文件夹下有6个小文件，每个文件从5M-20M不等，现在需要通过MR执行相关的统计，

如果不采用Uber模式则需要启动MapReduce作业数为：

1、MapTask=6

2、ReduceTask=1

一起需要去资源管理器申请7次资源（此处省略了MRAppMaster的启动资源）

采用Uber方式运行：

总的资源只需要1个即可。这个资源会被重复利用。