Apache Hadoop YARN （Yet Another Resource Negotiator，另一种资源协调者）是一种新的 Hadoop 资源管理器，它是一个通用资源管理系统，可为上层应用提供统一的资源管理和调度，它的引入为集群在利用率、资源统一管理和数据共享等方面带来了巨大好处。介绍： ①YARN（Yet Another Resource Negotiator） ②通用的资源管理平台
转载
2023-07-12 13:54:03
37阅读
Hadoop原理1. HDFS写流程1.client通过 Distributed FileSystem 模块向NameNode请求上传文件，NameNode会检查目标文件是否存在，路径是否正确，用户是否有权限。
2.NameNode向client返回是否可以上传，同时返回三个离client近的DataNode节点，记为DN1/DN2/DN3。
3.client通过DFSOutPutStream进行
转载
2024-09-09 15:45:30
67阅读
JobConf.setNumMapTasks(n)是有意义的，结合block size会具体影响到map任务的个数，详见FileInputFormat.getSplits源码。假设没有设置mapred.min.split.size，缺省为1的情况下，针对每个文件会按照min (totalsize[所有文件总大小]/mapnum[jobconf设置的mapnum], blocksize)为大小来拆分
转载
2023-07-21 14:37:49
213阅读
MapReduce各个执行阶段（1）MapReduce框架使用InputFormat模块做Map前的预处理，比如验证输入的格式是否符合输入定义；然后，将输入文件切分为逻辑上的多个InputSplit，InputSplit是MapReduce对文件进行处理和运算的输入单位，只是一个逻辑概念，每个InputSplit并没有对文件进行实际切割，只是记录了要处理的数据的位置和长度。（2）因为InputSp
转载
2023-07-20 17:15:58
73阅读
Hadoop的目录文件结构：.|-- LICENSE.txt|-- NOTICE.txt|-- README.txt|-- bin|-- conf|-- etc|-- export_hadoop.sh|-- hadoop-0.23.0-gridmix.jar|-- hadoop-0.23.0-streaming.jar|-- hadoop-mapreduce-0.23.0-sources.jar|
hadoop 基础：hadoop的核心是应该算是map/reduce和hdfs，相当于我们要处理一个大数据的任务（并且前提是我们只采用普通的PC服务器），那么完成这个任务我们至少做两件事情，一件是有一个环境能够存储这个大数据（即hdfs），另外一件就是有一个并发的环境处理这些大数据（即map/reduce）。• map/reduce计算模型：map/reduce理解为一个分布式计算框架，它由Job
转载
2023-09-22 13:26:27
49阅读
map和reduce是hadoop的核心功能，hadoop正是通过多个map和reduce的并行运行来实现任务的分布式并行计算，从这个观点来看，如果将map和reduce的数量设置为1，那么用户的任务就没有并行执行，但是map和reduce的数量也不能过多，数量过多虽然可以提高任务并行度，但是太多的map和reduce也会导致整个hadoop框架因为过度的系统资源开销而使任务失败。所以用户在提交
转载
2023-09-01 08:20:07
87阅读
map和reduce是hadoop的核心功能，hadoop正是通过多个map和reduce的并行运行来实现任务的分布式并行计算，从这个观点来看，如果将map和reduce的数量设置为1，那么用户的任务就没有并行执行，但是map和reduce的数量也不能过多，数量过多虽然可以提高任务并行度，但是太多的map和reduce也会导致整个hadoop框架因为过度的系统资源开销而使任务失败。所以用户在提交m
转载
2023-09-20 07:14:30
29阅读
map 把Job分割成map和reduce 合理地选择Job中 Tasks数的大小能显著的改善Hadoop执行的性能。增加task的个数会增加系统框架的开销，但同时也会增强负载均衡并降低任务失败的开销。一个极 端是1个map、1个reduce的情况，这样没有任务并行。另一个极端是1,000,000个map、1,000,000个reduce的情况，会由于 框架的开销过大而使得系统资源耗
转载
2023-07-25 00:28:50
60阅读
Hive优化总结：包括SQL转化为MapReduce过程及MapReduce如何实现基本SQL操作，以及具体优化策略优化时，把hive sql当做map reduce程序来读，会有意想不到的惊喜。理解hadoop的核心能力，是hive优化的根本。这是这一年来，项目组所有成员宝贵的经验总结。长期观察hadoop处理数据的过程，有几个显著的特征:1.不怕数据多，就怕数据倾斜。2．对jobs数比较多的作
转载
2024-02-29 22:21:41
40阅读
# Hive D Reduce阶段卡住的探讨与解决方案
在使用Apache Hive进行数据处理时，用户可能会遇到任务在D Reduce阶段卡住的情况。这种现象通常是由于多种原因导致的，包括资源分配不足、数据倾斜、网络延迟、以及简单的代码错误等。本文将对D Reduce阶段卡住的原因进行分析，并提供一些解决方案和代码示例，帮助用户更好地理解和处理这些问题。
## Hive作业执行流程
在Hi
原创
2024-09-15 03:23:35
119阅读
MapReduce是一种分布式计算模型，是Google提出来的，主要用于搜索领域，解决海量数据的计算问题。MapReduce的全套过程分为三个大阶段，分别是Map、Shuffle和Reduce。结合多篇资料，我最终确定划分11个小步骤来描述这个过程，在后续的内容中我也会结合一部分源码来进行剖析
原创
2023-06-20 10:41:27
407阅读
笼统的说，Hive中的Join可分为Common Join（Reduce阶段完成join）和Map Join（Map阶段完成join）。一、Hive Common Join如果不指定MapJoin或者不符合MapJoin的条件，那么Hive解析器会将Join操作转换成Common Join,即：在Reduce阶段完成join.整个过程包含Map、Shuffle、Reduce阶段。Map
转载
2023-07-12 09:58:40
221阅读
Hive中的数据倾斜 1. 什么是数据倾斜mapreduce中，相同key的value都给一个reduce，如果个别key的数据过多，而其他key的较少，就会出现数据倾斜。通俗的说，就是我们在处理的时候数据分布的不均，导致了数据大量集中在某一点。造成了数据的热点。 map阶段处理比较快，reduce阶段处理比较慢。其实reduce阶段不应该很慢，如果很慢，很大可能就是出现了数据倾斜。
转载
2023-09-20 04:47:50
156阅读
haoop的起源Hadoop是Apache软件基金会的顶级开源项目，是由原雅虎公司Doug Cutting根据Google发布的学术论文而创建的开源项目。Doug Cutting被称为Hadoop之父，他打造了目前在云计算和大数据领域里如日中天的Hadoop。 Hadoop的发音是[hædu:p]，Hadoop 这个名字不是一个缩写，而是一个虚构的名字。Doug Cutting解释Hadoop的
转载
2023-10-02 20:57:52
70阅读
1. 调整reduce个数(方式1)-- 每个reduce处理的数据量(默认为256M)
set hive.exec.reducers.bytes.per.reducer=256000000;
-- 每个job允许最大的reduce个数
set hive.exec.reducers.max=1009;-- 计算reduce个数公式
reduce个数=min(参数2,总输入数量/参数1)
注意 :
转载
2023-06-12 20:58:50
88阅读
10 企业级调优10.1 Fetch抓取fetch抓取是指，Hive中对某些情况的查询可以不使用mapreduce计算。fetch的等级有三个：more（默认）、minimal（老版本）、none设置为more，在全局查找、字段查找、limit等都不走mapreduce。hive-default.xml<property>
<name>hive.fetch.task
转载
2024-07-27 10:16:49
24阅读
cpu数目 一个job会使用tasktracker的reduce任务槽数mapred.reduce.tasks = cpu数目>2?cpu数目*0.5:1 一个tasktracker最多同时运行reducer任务数量mapred.tasktracker.reduce.tasks.maximum
原创
2023-04-20 15:31:19
82阅读
最近一直太忙，都没时间写博客了。首先是平时需要带我的一个哥们，他底子比我稍弱，于是我便从mybatis、spring、springMVC、html、css、js、jquery一个一个的教他，在教的过程中笔者也发现了很多之前自己没有弄明白的问题，所以说想把一样东西学好并不容易。另外笔者也参与了公司的大数据项目，学会怎么写一个MR，以及hdfs、hbase、hive、impala、zookeeper的
关于大数据的处理，Hadoop并非唯一的选择，但是在一定程度上来说，是最适合一般企业的选择。这也是Hadoop成为现在主流选择的原因之一，而随着Hadoop在实时数据处理上的局限出现，Spark的呼声高了起来。Hadoop与Spark，成为了常常被拿来做比较的对象。 Hadoop作为主流运用的大数据处理系统，是有着坚实的基础的，Hadoop生态系统中在不断发展中也在不断完善，形成了完备的数据处理环
转载
2023-07-12 13:52:32
52阅读
