一切都是从最上方的user program开始的，user program链接了MapReduce库，实现了最基本的Map函数和Reduce函数。MapReduce库先把user program的输入文件划分为M份（M为用户定义），每一份通常有16MB到64MB，如图左方所示分成了split0~4(...
分类：
其他好文 时间：
2014-09-05 23:46:02
阅读次数：
253
hadoop分散磁盘I/O配置dfs.data.dir，将其值配置为多块磁盘<key>dfs.data.dir</key><value>/data/data1,/data/data2,/data/data3</value>####假设多块磁盘被挂在以上目录中2.mapreduce中间数据临时文件分散写老的配置参数为，mapred.local.dir，新配置..
分类：
其他好文 时间：
2014-09-05 16:25:12
阅读次数：
163
Cloudera提供给客户的服务内容之一就是调整和优化MapReduce job执行性能。MapReduce和HDFS组成一个复杂的分布式系统，并且它们运行着各式各样用户的代码，这样导致没有一个快速有效的规则来实现优化 代码性能的目的。在我看来，调整cluster或job的运行更像一个医生对待病人....
分类：
其他好文 时间：
2014-09-05 12:42:31
阅读次数：
307
Shuffle过程是MapReduce的核心，也被称为奇迹发生的地方。要想理解MapReduce， Shuffle是必须要了解的。我看过很多相关的资料，但每次看完都云里雾里的绕着，很难理清大致的逻辑，反而越搅越混。前...
分类：
其他好文 时间：
2014-09-04 22:26:00
阅读次数：
346
Hadoop1的HDFS和Mapreduce在高可用和拓展性方面存在问题。 HDFS存在的问题： Namenode单点故障，难以应用于在线场景。 Namenode压力过大，且内存受限，影响系统扩展性。 Mapreduce存在问题： Jobtracker单点故障 ...
分类：
其他好文 时间：
2014-09-04 10:40:49
阅读次数：
254
在上一节我们分析了Child子进程启动，处理Map、Reduce任务的主要过程，但对于一些细节没有分析，这一节主要对MapOutputBuffer这个关键类进行分析。MapOutputBuffer顾名思义就是Map输出结果的一个Buffer，用户在编写map方法的时候有一个参数OutputColle...
分类：
其他好文 时间：
2014-09-04 01:28:16
阅读次数：
416
参考：http://hadoop.apache.org/docs/r2.5.0/hadoop-mapreduce-client/hadoop-mapreduce-client-core/MapReduceTutorial.htmlMaven和WordCount代码： ...
分类：
其他好文 时间：
2014-09-03 19:45:17
阅读次数：
270
一般我们在mapreduce程序中调用第三方jar包时会出现找不到jar包的问题，检查发现jar包就在相应路径，mapreduce任务就是找不到。仔细想想会发现，这个jar包是放在执行mapreduce主程序机器上的内存中，一般...
分类：
其他好文 时间：
2014-09-02 20:04:05
阅读次数：
181
