《Hadoop权威》学习笔记五:MapReduce应用程序
2024-09-17 01:55:38
一、API的配置---Configuration类
- API的配置:Hadoop提供了专门的API对资源进行配置,Configuration类的实例(在org.apache.hadoop.conf包)包括配置属性及其值的集合。每个属性是一个String类型,值的类型可能是以以下的多种类型:包括了Java基本类型(如boolean、int、long、float)和其他一些有用的类型。配置从给定资源中读取它们的属性,通常是名-值对构成的结构简单的XML文件
<?xml version="1.0"?>
<configuration>
<property>
<name>color</name>
<value>yellow</value>
<description>Color</description>
</property> <property>
<name>size</name>
<value>10</value>
<description>Size</description>
</property> <property>
<name>weight</name>
<value>heavy</value>
<final>true</final>
<description>Weight</description>
</property> <property>
<name>size-weigth</name>
<value>${size},${weight}</value>
<description>Size and weight</description>
</property>
</configuration>Configuration conf = new Configuration();
conf.addResource("configuration-1.xml");
System.out.println(conf.get("color"));
System.out.println(conf.getInt("size",0));
System.out.println(conf.get("breadth","wide")); - 合并配置文件:在Hadoop中,core-default.xml文件定义系统的默认属性,而core-site.xml定义特定重写的属性。如果同时定义多个配置文件,那么后来加入的属性将会覆盖之前定义的属性,但是如果final被标记为true的时候,该属性将无法被覆盖,系统会报配置出错。
- 扩展属性
- 配置的属性可以由其他属性或者系统属性来定义,如${size},${weigth}
- 系统属性定义属性,即System.setProperty("size",14),并且优先级高于文件资源所定义的属性
- 在命令行中使用JVM参数-Dproperty=value来重写属性
二、配置开发环境
- conf选项:可以方便地切换配置文件
- GenericOptionsParser,Tool和ToolRunner:GenericOptionsParser一个解释普通Hadoop命令行选项的类,可以根据应用需要在Configuration对象中进行设置,不过通常不这样使用,而是使用ToolRunnner,因为其实现了Tool接口,运行比较方便。
public interface Tool extends Configurabel{
int run(String [] args) throws Exception;
}public class ConfigurationPrinter extends Configured implements Tool {
static{
Configuration.addDefaultResource("hdfs-default.xml");
Configuration.addDefaultResource("hdfs-site.xml");
Configuration.addDefaultResource("mapred-default.xml");
Configuration.addDefaultResource("mapred-site.xml");
} @Override
public int run(String[] args) throw Exception{
Configuration conf = getconf();
for(Entry<String,String> entry:conf){
System.out.printf("%s=%s\n",entry.getKey(),entry.getValue());
}
return 0;
} public static void main(String[] args) throw Exception {
int exitcode = ToolRunner.run(new ConfigurationPrinter,args);
System.exit(exitCode);
} }
三、编写单元测试
四、本地运行测试数据
五、在集群上运行
六、作业调优
- 作业优化检查表格
优化内容 最佳实践 mapper的数量 运行mapper需要多久时间?如果平均只运行几秒钟,则可以看是否能用能少的mapper运行
更长的时间,通常是一分钟左右,时间的长度取决于使用的输入格式
reducer的数量 为了达到最高性能,reducer的数目应该比reducer槽的数目稍微少一点。这使得reducer能一
次性完成任务,并在reducer阶段充分利用集群。
combiner 作业能否充分利用combiner来减少通过shuffle传输数据 中间值的产生 对map输出进行压缩能使作业执行更快 自定义序列 如果正在使用自己定义的Writable对象或自定义的comparator,则必须确保已实现RawComparator shuffle运行 MapReduce shuffle可以对一些内存管理参数进行调整,将弥补性能上的不足。 - HPROC分析工具:HPROC是一个JDK自带的分析工具,虽然只有基本的功能,但是同样能提供程序CPU运行和堆使用情况等相关有用的信息。
conf.setProfileEnabled(true);//默认状态下,HPROF是关闭的,启用分析工具
conf.setProfileParams("-agentlib:hprof=cpu=samples,heap=sites,depth=6,"+
"force=n,thread=y,verbose=n,file=%s");//设置分析参数,既传到任务JVM的额外的命令行参数
conf.setProfileTaskRange(true,"0-2");
//指定分析的任务,第一个参数指明这是map任务的范围还是reduce任务的范围,如果是true代表是map,false代表的是reduce
//第二个参数,指明要分析任务的ID
七、MapReduce的工作流
最新文章
- 闲说HeartBeat心跳包和TCP协议的KeepAlive机制
- [手机取证] Apple正在行动起来封堵后门?
- js鲸鱼
- JavaScript 里 new 出来的对象 怎么销毁它?
- MYSQL5.5和5.6参数的差异
- ANDROID_MARS学习笔记_S04_009_用java.lang.ref.SoftReference作缓存,android.os.Handler和new Thread异步加载略图片
- Java递归流程
- MyEclipse配置进行Hibernate逆映射
- perl 使用use utf8
- IDEA 无法运行Junit, 报错Class not found xxxx Empty test suite.
- CMS Collector and G1 Collector
- Flask框架基础--第一篇
- C 语言-----字符串和输入输出函数
- Swift 学习- 04 -- 字符串和字符
- 剑指offer——合并两个排序的链表——对象、引用和赋值初接触
- [转帖]ASP.NET Core的Kestrel服务器
- centos7忘记登录密码修改
- 【Redis】持久化
- python xml.etree.ElementTree模块
- Linux下GoAccess的安装与全部用法