Hadoop Mapreduce 参数（二）

MergeManagerImpl 类

内存参数计算

maxInMemCopyUse

位于构造函数中

    final float maxInMemCopyUse =

      jobConf.getFloat(MRJobConfig.SHUFFLE_INPUT_BUFFER_PERCENT,

          MRJobConfig.DEFAULT_SHUFFLE_INPUT_BUFFER_PERCENT);

    if (maxInMemCopyUse > 1.0 || maxInMemCopyUse < 0.0) {

      throw new IllegalArgumentException("Invalid value for " +

          MRJobConfig.SHUFFLE_INPUT_BUFFER_PERCENT + ": " +

          maxInMemCopyUse);

    }

这个参数就是reducer端shuffle输入缓冲占JVM堆的比例即参数：mapreduce.reduce.shuffle.input.buffer.percent，默认为0.7f

memoryLimit

位于构造函数中，memoryLimit一般情况下就是reducer端输入缓冲的大小，由比例值和JVM堆大小相乘得出。

    // Allow unit tests to fix Runtime memory

    this.memoryLimit =

      (long)(jobConf.getLong(MRJobConfig.REDUCE_MEMORY_TOTAL_BYTES,

          Math.min(Runtime.getRuntime().maxMemory(), Integer.MAX_VALUE))

        * maxInMemCopyUse);

但是仔细观察代码发现它没有直接将Runtime.getRuntime().maxMemory()和maxInMemCopyUse相乘，而是对前者和Integer.MAX_VALUE取了个最小值，这个设计还是挺令人费解的。不过这是在没有设定REDUCE_MEMORY_TOTAL_BYTES（mapreduce.reduce.memory.totalbytes）参数的情况下，如果设定了那么会忽略后面的值。注释中其实也给了一些说明，但是只是为了针对unit tests来fix这个问题。但是个人觉得实际中还是可能会有这样的大内存需求的情况出现，来提高copy-merge速度。

maxInMemReduce

位于最后一轮merge（finalMerge）过程中的计算，这个参数表示reduce开始后，保留给shuffle数据占JVM堆大小。如果reducer不需要太占内存的话，可以让这个值大一点，这样就可以减少写入磁盘的记录数，reducer可以直接从内存获取输入。

    final float maxRedPer =

      job.getFloat(MRJobConfig.REDUCE_INPUT_BUFFER_PERCENT, 0f);

    if (maxRedPer > 1.0 || maxRedPer < 0.0) {

      throw new IOException(MRJobConfig.REDUCE_INPUT_BUFFER_PERCENT +

                            maxRedPer);

    }

    int maxInMemReduce = (int)Math.min(

        Runtime.getRuntime().maxMemory() * maxRedPer, Integer.MAX_VALUE);

maxRedPer对应与参数mapreduce.reduce.input.buffer.percent(旧版为mapred.job.reduce.input.buffer.percent)，即保留给shuffle数据空间占堆的比例，接着又开始发生坑爹的逻辑了又要把上限设定为Integer.MAX_VALUE了，不过这里我们看出一些端倪，是不是因为原来结构中maxInMemReduce对应的数据类型是int而不是long造成了目前这种奇异的逻辑。这次没有什么方法可以突破这个限制，也就是说当shuffle数据超过2GB后，无论如何调整io.sort.factor和mapreduce.reduce.input.buffer.percent都将使得超过2GB大小的数据写到磁盘上，即使分配了足够的堆空间。

巴特西

Hadoop Mapreduce 参数（二）

MergeManagerImpl 类

内存参数计算

maxInMemCopyUse

memoryLimit

maxInMemReduce

最新文章

热门文章

巴特西

Hadoop Mapreduce 参数 （二）

MergeManagerImpl 类

内存参数计算

maxInMemCopyUse

memoryLimit

maxInMemReduce

最新文章

热门文章

Hadoop Mapreduce 参数（二）