如何在hadoop中控制map的個數

hadooop提供了乙個設定map個數的引數mapred.map.tasks，我們可以通過這個引數來控制map的個數。但是通過這種方式設定map的個數，並不是每次都有效的。原因是mapred.map.tasks只是乙個hadoop的參考數值，最終map的個數，還取決於其他的因素。

為了方便介紹，先來看幾個名詞：

block_size : hdfs的檔案塊大小，預設為64m，可以通過引數dfs.block.size設定

total_size : 輸入檔案整體的大小

input_file_num : 輸入檔案的個數

（1）預設map個數

如果不進行任何設定，預設的map個數是和blcok_size相關的。

default_num = total_size / block_size;

（2）期望大小

可以通過引數

mapred.map.tasks來設定程式設計師期望的map個數，但是這個個數只有在大於default_num的時候，才會生效。

goal_num = 

mapred.map.tasks;

（3）設定處理的檔案大小

可以通過mapred.min.split.size 設定每個task處理的檔案大小，但是這個大小只有在大於

block_size的時候才會生效。

split_size = max(

mapred.min.split.size, 

block_size);

split_num = total_size / split_size;

（4）計算的map個數

compute_map_num = min(split_num,  max(default_num, goal_num))

除了這些配置以外，mapreduce還要遵循一些原則。 mapreduce的每乙個map處理的資料是不能跨越檔案的，也就是說min_map_num >= input_file_num。 所以，最終的map個數應該為：

final_map_num = max(compute_map_num, input_file_num)

經過以上的分析，在設定map個數的時候，可以簡單的總結為以下幾點：

（1）如果想增加map個數，則設定mapred.map.tasks 為乙個較大的值。

（2）如果想減小map個數，則設定mapred.min.split.size 為乙個較大的值。

（3）如果輸入中有很多小檔案，依然想減少map個數，則需要將小檔案merger為大檔案，然後使用準則2。

如何在hadoop控制map個數

hadooop提供了乙個設定map個數的引數mapred.map.tasks，我們可以通過這個引數來控制map的個數。但是通過這種方式設定map的個數，並不是每次都有效的。原因是mapred.map.tasks只是乙個hadoop的參考數值，最終map的個數，還取決於其他的因素。為了方便介紹，先來看...

如何在hadoop中控制map的個數

hadooop提供了乙個設定map個數的引數mapred.map.tasks，我們可以通過這個引數來控制map的個數。但是通過這種方式設定map的個數，並不是每次都有效的。原因是mapred.map.tasks只是乙個hadoop的參考數值，最終map的個數，還取決於其他的因素。為了方便介紹，先來看...

如何在hadoop中控制map的個數

hadooop提供了乙個設定map個數的引數mapred.map.tasks，我們可以通過這個引數來控制map的個數。但是通過這種方式設定map的個數，並不是每次都有效的。原因是mapred.map.tasks只是乙個hadoop的參考數值，最終map的個數，還取決於其他的因素。為了方便介紹，先來看...