hadoop集群分区及缓存随笔

1、分区是必须要经历Shuffle过程的，没有Shuffle过程无法完成分区操作
2、分区是通过MapTask输出的key来完成的，默认的分区算法是数组求模法：
--------------数组求模法：
-----------将Map的输出Key调用hashcode（）函数得到的哈希吗（hashcode），此哈希吗是一个数值类型
，将此哈希吗数值直接与整数的最大值（Integer.MAXVALUE）取按位与（&）操作，将与操作的结果与ReducerTask
的数量取余数，将此余数作为当前Key落入的Reduce节点的索引
-------------------------
Integer mod = (Key.hashCode()&Integer.MAXVALUE)%NumReduceTask;

被除数=34567234
NumReduceTas=3
----结果：
0、1、2 这三个数作为Reduce节点的索引
数组求模法是有HashPartitioner类来实现的，也是MapReduce分区的默认算法

hadoop集群性能和效率：
------------
1、数据量需要达到一定的数量级，使用hadoop集群来处理才是划算的
2、集群的计算性能取决于任务数量的多少，设置任务数量必须充分考虑到集群的计算能力（比如：物理节
点数量）：
-------
A、Map设置的任务数量作为最小值参考，与切片数量对比，取两者大值
B、Reduce的任务数量默认是1，如果设置了任务数量，则启用设置的任务数量
-------
3、不管MapTask还是ReduceTask，只要任务数量越多则并发能力越强，处理效率会在一定程度上越高，但
是，设置设置的任务数量必须参考集群中的物理节点数量，如果设置的任务数量过多，会导致每个物理节点上分摊的
任务数量过多，处理器并发每个任务产生的计算开销越大，任务之间因处理负载导致相互之间的影响很大，任务失败
率上升，计算性能反而下降（因为任务失败会重置），因此在设计MapTask与ReduceTask任务数量时必须权衡利弊，
折中考虑...

两张表链接操作（分布式缓存）：
-------
假设：
------其中一张A表，只有20条数据记录
另外一张非常大，上亿的记录数量
----------------------------------
策略：
将数据集小的文件直接装载到内存，然后迭代大文件记录

分布式缓存的两种角度理解（针对较小数据集）：
-----------------
1、将文件不切块，直接存储到各个节点上的本地磁盘中，这种模式的缓存只是减少了网络IO，磁盘IO并没
有减少
2、将文件不切块，直接存储到各个节点上的任务进程内存中，（MapTask进程，JVM会开辟一块任务内存）
，这种模式的缓存从根本上取消了该文件的读取IO操作

从集群中读取文件缓存到本地内存中：
代码：
-------1、
//从本地磁盘读取数据到内存中缓存起来，之后在Map方法的迭代中可直接使用
Configuration conf = context.getConfiguration();

// 下面是直接从集群路径中读取文件缓存到本地的内存中的操作方式
//FileSystem fs = FileSystem.get(conf);
URI[] uris = context.getCacheFiles();
URI uri=uris[0];

Path clusterPath=new Path(uri);
FileSystem fs=clusterPath.getFileSystem(conf);

InputStream fis = fs.open(clusterPath);
String line=null;
BufferedReader br=null;
try {
br=new BufferedReader(new InputStreamReader(fis));
while(null!=(line=br.readLine())){
String[] fields=line.split("\s+");
smallMap.put(fields[0], fields[1]);
}
} catch (Exception e) {
// TODO: handle exception
}finally{
if(br!=null)br.close();
}

--------2、
//获取缓存文件的本地路径
Configuration conf = context.getConfiguration();
String[] localPaths = conf.getStrings(MRJobConfig.CACHE_LOCALFILES);
Path[] path = StringUtils.stringToPath(localPaths);

Path localPath=path[0];
URI localurl=localPath.toUri();
File fp=new File(localurl);

String line=null;
BufferedReader br=null;
try {
br=new BufferedReader(new InputStreamReader(new FileInputStream(fp)));
while(null!=(line=br.readLine())){
String[] fields=line.split("\s+");
smallMap.put(fields[0], fields[1]);
}
} catch (Exception e) {
// TODO: handle exception
}finally{
if(br!=null){
br.close();
}
}