這篇文章主要介紹“hadoop map個(gè)數(shù)控制怎么實(shí)現(xiàn)”，在日常操作中，相信很多人在hadoop map個(gè)數(shù)控制怎么實(shí)現(xiàn)問(wèn)題上存在疑惑，小編查閱了各式資料，整理出簡(jiǎn)單好用的操作方法，希望對(duì)大家解答”hadoop map個(gè)數(shù)控制怎么實(shí)現(xiàn)”的疑惑有所幫助！接下來(lái)，請(qǐng)跟著小編一起來(lái)學(xué)習(xí)吧！

創(chuàng)新互聯(lián)專注于企業(yè)營(yíng)銷型網(wǎng)站建設(shè)、網(wǎng)站重做改版、尋烏網(wǎng)站定制設(shè)計(jì)、自適應(yīng)品牌網(wǎng)站建設(shè)、成都h5網(wǎng)站建設(shè)、商城網(wǎng)站制作、集團(tuán)公司官網(wǎng)建設(shè)、外貿(mào)網(wǎng)站建設(shè)、高端網(wǎng)站制作、響應(yīng)式網(wǎng)頁(yè)設(shè)計(jì)等建站業(yè)務(wù)，價(jià)格優(yōu)惠性價(jià)比高，為尋烏等各大城市提供網(wǎng)站開(kāi)發(fā)制作服務(wù)。

 hadooop提供了一個(gè)設(shè)置map個(gè)數(shù)的參數(shù)mapred.map.tasks，我們可以通過(guò)這個(gè)參數(shù)來(lái)控制map的個(gè)數(shù)。但是通過(guò)這種方式設(shè)置map的個(gè)數(shù)，并不是每次都有效的。原因是mapred.map.tasks只是一個(gè)hadoop的參考數(shù)值，最終map的個(gè)數(shù)，還取決于其他的因素。

為了方便介紹，先來(lái)看幾個(gè)名詞：
block_size : hdfs的文件塊大小，1.x默認(rèn)為64M，2.x為128M，可以通過(guò)參數(shù)dfs.block.size設(shè)置
total_size : 輸入文件整體的大小
input_file_num : 輸入文件的個(gè)數(shù)
mapred.tasktracker.map.tasks.maximum: 任務(wù)跟蹤器將同時(shí)運(yùn)行的最大映射任務(wù)數(shù),默認(rèn)為2

（1）默認(rèn)map個(gè)數(shù)
如果不進(jìn)行任何設(shè)置，默認(rèn)的map個(gè)數(shù)是和blcok_size相關(guān)的。
default_num = total_size / block_size;

（2）期望大小
可以通過(guò)參數(shù)mapred.map.tasks來(lái)設(shè)置程序員期望的map個(gè)數(shù)，但是這個(gè)個(gè)數(shù)只有在大于default_num的時(shí)候，才會(huì)生效。
goal_num = mapred.map.tasks;

（3）設(shè)置處理的文件大小
可以通過(guò)mapred.min.split.size 設(shè)置每個(gè)task處理的文件大小，但是這個(gè)大小只有在大于block_size的時(shí)候才會(huì)生效。
split_size = max(mapred.min.split.size, block_size);
split_num = total_size / split_size;

（4）計(jì)算的map個(gè)數(shù)
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的每一個(gè)map處理的數(shù)據(jù)是不能跨越文件的，也就是說(shuō)min_map_num >= input_file_num。 所以，最終的map個(gè)數(shù)應(yīng)該為：
final_map_num = max(compute_map_num, input_file_num)

經(jīng)過(guò)以上的分析，在設(shè)置map個(gè)數(shù)的時(shí)候，可以簡(jiǎn)單的總結(jié)為以下幾點(diǎn)：
（1）如果想增加map個(gè)數(shù)，則設(shè)置mapred.map.tasks 為一個(gè)較大的值。
（2）如果想減小map個(gè)數(shù)，則設(shè)置mapred.min.split.size 為一個(gè)較大的值。
（3）如果輸入中有很多小文件，依然想減少map個(gè)數(shù)，則需要將小文件merger為大文件，然后使用準(zhǔn)則2。

（5）mapred.tasktracker.map.tasks.maximum >= mapred.map.tasks

補(bǔ)充： hadoop版本中 1.x 與 2.x 參數(shù)名稱有變更
1.x 名稱                                                                     2.x 名稱
mapred.map.tasks                                                    mapreduce.job.maps
mapred.min.split.size                                                mapreduce.input.fileinputformat.split.minsize
mapred.tasktracker.map.tasks.maximum                  mapreduce.tasktracker.map.tasks.maximum

到此，關(guān)于“hadoop map個(gè)數(shù)控制怎么實(shí)現(xiàn)”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識(shí)，請(qǐng)繼續(xù)關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編會(huì)繼續(xù)努力為大家?guī)?lái)更多實(shí)用的文章！