MapReduce性能優(yōu)化策略（下）

　　3.Reduce階段

　　(1)合理設(shè)置map和reduce數(shù)：兩個都不能設(shè)置太少，也不能設(shè)置太多。太少，會導(dǎo)致task等待，延長處理時間;太多，會導(dǎo)致map和reduce任務(wù)間競爭資源，造成處理超時等錯誤。

　　(2)設(shè)置map和reduce共存：調(diào)整slowstart.completedmaps參數(shù)，使map運行到一定程度后，reduce也開始運行，減少reduce的等待時間。

　　(3)規(guī)避使用reduce：因為reduce在用于連接數(shù)據(jù)集的時候?qū)a(chǎn)生大量的網(wǎng)絡(luò)消耗。通過將MapReduce參數(shù)setNumReduceTasks設(shè)置為0來創(chuàng)建一個只有map的作業(yè)。

　　(4)合理設(shè)置reduce端的buffer：默認(rèn)情況下，數(shù)據(jù)達(dá)到一個閾值的時候，buffer中的數(shù)據(jù)就會寫入磁盤，然后reduce會從磁盤中獲得所有的數(shù)據(jù)。也就是說，buffer和reduce是沒有直接關(guān)聯(lián)的，中間多一個寫磁盤→讀磁盤的過程，既然有這個弊端，那么就可以通過參數(shù)來配置，使得buffer中的一部分?jǐn)?shù)據(jù)可以直接輸送到reduce，從而減少I/O開銷。這樣一來，設(shè)置buffer需要內(nèi)存，讀取數(shù)據(jù)需要內(nèi)存，reduce計算也要內(nèi)存，所以要根據(jù)作業(yè)的運行情況進(jìn)行調(diào)整。

　　上面提到的屬性參數(shù)，都是位于mapred-default.xml文件中，這些屬性參數(shù)的調(diào)優(yōu)方式如表4-2所示。

　　表4-2 Reduce階段的調(diào)優(yōu)屬性

　　4.Shuffle階段

　　Shuffle階段的調(diào)優(yōu)就是給Shuffle過程盡量多地提供內(nèi)存空間，以防止出現(xiàn)內(nèi)存溢出現(xiàn)象，可以由參數(shù)mapred.child.java.opts來設(shè)置，任務(wù)節(jié)點上的內(nèi)存大小應(yīng)盡量大一些。

　　上面提到的屬性參數(shù)，都是位于mapred-site.xml文件中，這些屬性參數(shù)的調(diào)優(yōu)方式如表4-3所示。

　　表4-3 Shuffle階段的調(diào)優(yōu)屬性

　　5.其他調(diào)優(yōu)屬性

　　除此之外，MapReduce還有一些基本的資源屬性的配置，這些配置的相關(guān)參數(shù)都位于mapred-default.xml文件中，通過合理配置這些屬性可以提高M(jìn)apReduce性能，表4-4列舉了部分調(diào)優(yōu)屬性。

　　表4-4 MapReduce資源調(diào)優(yōu)屬性