切片與MapTask并行度決定機制
》1：并行度是什么?
在計算機體系結構中，并行度是指指令或資料并行執行的最大數目，在指令流水中，同時執行多條指令稱為指令并行
》2：為什么要提高并行度
可以最大限度地利用計算資源或存盤資源，
MapTask的并行度決定Map階段的任務處理并發度，進而影響到整個Job的處理速度，
注意：并行度不是越大越好
1G的資料，啟動8個MapTask，可以提高集群的并發處理能力，
那么1K的資料，也啟動8個MapTask，會提高集群性能嗎？
MapTask并行任務是否越多越好呢？
哪些因素影響了MapTask并行度？
MapTask并行度決定機制
資料塊：Block是HDFS物理上把資料分成一塊一塊，
資料切片：資料切片只是在邏輯上對輸入進行分片，并不會在磁盤上將其切分成片進行
1）一個job的map階段并行度由客戶端在提交job時決定
2）每一個split切片分配一個mapTask并行實體處理
3）默認情況下，切片大小=blocksize
4）切片時不考慮資料集整體，而是逐個針對每一個檔案單獨切片
注意：設定切片大小設定為100M與128M哪個好？
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/273680.html
標籤：其他
上一篇：Vue中父子組件相互傳值