Shuffle对MapReduce性能调优

标签：

Shuffle对MapReduce性能调优：

Shuffle和排序

MapReduce确保每一个reduce的输出都按键排序，系统执行排序的过程---------将map输出作为输入传给reduce--------称为shuffle

Shuffle过程是MapReduce的”心脏”，也被称为奇迹发生的地方

1. 每个map有一个环形内存缓冲区，用于存储任务的输出。默认大小100MB（io.sort.mb属性），一旦达到阀值0.8（io.sort.spill.percent）,一个后台线程把内容写到(spill)磁盘的指定目录（mapred.local.dir）下的新建的一个溢出写文件。
2. 写磁盘前，要partition,sort。如果有combiner，combine排序后数据。
  a)partition的意义在于可以分区管理，分类导出数据；例如男女，我需要分成两个文件，我就可以设置partition来区分，reduceTask至少2个来分别运行
  b)运行conbiner的意义在于是map输出更紧凑，使得写到本地磁盘和传给reducer的数据更少
3. 等最后记录写完，合并全部溢出写文件为一个分区且排序的文件。

补充：

1. Reducer通过Http方式得到输出文件的分区。
2. TaskTracker为分区文件运行Reduce任务。复制阶段把Map输出复制到Reducer的内存或磁盘。一个Map任务完成，Reduce就开始复制输出。
3. 排序阶段合并map输出。然后走Reduce阶段。

Shuffle对MapReduce性能调优

标签：

原文地址：http://my.oschina.net/repine/blog/527833