MapReduce任务的数据倾斜一般指的是Reduce端数据倾斜,Map端怎么还会出现数据倾斜呢。~~
Mapper任务如下图所示,其中一个map任务耗时特别长
跑了一个ETL程序,两个Map分别读取两类数据,一个是lzo格式,另外一个是txt格式。
map任务通常是一个数据块一个map,为什么其中一个map计算会如此耗时呢,分别查看两个数据文件的分块情况
输入1有50个分块
输入2有11个分块
查看任务一共才有52个map。map格式应该是50+11=61个才对。
有如下结论
MultipleInputs两个输入,有一个在数据输入的时候没有Split成功,考虑到其中一个输入是lzo,极有可能是该文件没有index索引造成。
于是检查lzo文件所在目录中,检查是否存在lzo.index文件。
存在lzo.index文件,还能造成读取数据没有进行分块处理,于是检查代码发现,在处理lzo文件的时候采用了TextInputFormat(代码标红位置处已修改为LzoTextInputFormat)。
所以没有按照lzo.index进行文件分块。一个lzo文件都在一个map里面进行计算处理。导致处理数据map个数不对,并且其中一个map处理耗时长。
if (commonPath != null && commonPath.length() != 0) {
MultipleInputs.addInputPath(job, new Path(commonPath.toString()), TextInputFormat.class, MidHotelMapper.class);
} else {
logger.error("输入路径为空:-->{}", conf.get(CommonConstant.COMMON_TASK_INPUT));
System.exit(-1);
}
if (ctripPath != null && ctripPath.length() != 0) {
MultipleInputs.addInputPath(job, new Path(ctripPath.toString()), LzoTextInputFormat.class, MidCtripHotelMapper.class);
} else {
logger.error("输入路径为空:-->{}", conf.get(Constant.CTRIP_TASK_INPUT));
System.exit(-1);
}
修改之前这ETL任务平均耗时在16分钟左右。
修改之后,耗时只用2分钟。
竟然用TextInputFormat跑了两年的ETL。终于。。。有空查了一下修改过来
另外有需要云服务器可以了解下创新互联scvps.cn,海内外云服务器15元起步,三天无理由+7*72小时售后在线,公司持有idc许可证,提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案,具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势,专为企业上云打造定制,能够满足用户丰富、多元化的应用场景需求。
文章标题:【总结】一不小心的Map端数据倾斜-创新互联
当前链接:https://www.cdcxhl.com/article2/dcshoc.html
成都网站建设公司_创新互联,为您提供定制网站、Google、App设计、网站设计、静态网站、企业网站制作
声明:本网站发布的内容(图片、视频和文字)以用户投稿、用户转载内容为主,如果涉及侵权请尽快告知,我们将会在第一时间删除。文章观点不代表本网站立场,如需处理请联系客服。电话:028-86922220;邮箱:631063699@qq.com。内容未经允许不得转载,或转载时需注明来源: 创新互联