3

我有hadoop运行，基本上只是聚合键，它的代码：（映射器是身份映射器）

    public void reduce(Text key, Iterator<Text> values,
            OutputCollector<Text, Text> results, Reporter reporter) throws IOException {

            String res = new String("");
            while(values.hasNext())
            {
                res += values.next().toString();
            }
            Text outputValue = new Text("<all><id>"+key.toString()+"</id>"+res+"</all>");
            results.collect(key, outputValue);
    }

它停留在这个级别：

    12/11/26 06:19:23 INFO mapred.JobClient: Running job: job_201210240845_0099
    12/11/26 06:19:24 INFO mapred.JobClient:  map 0% reduce 0%
    12/11/26 06:19:37 INFO mapred.JobClient:  map 20% reduce 0%
    12/11/26 06:19:40 INFO mapred.JobClient:  map 80% reduce 0%
    12/11/26 06:19:41 INFO mapred.JobClient:  map 100% reduce 0%
    12/11/26 06:19:46 INFO mapred.JobClient:  map 100% reduce 6%
    12/11/26 06:19:55 INFO mapred.JobClient:  map 100% reduce 66%

我在本地运行它并看到了这个：

    12/11/26 06:06:48 INFO mapred.LocalJobRunner:
    12/11/26 06:06:48 INFO mapred.Merger: Merging 5 sorted segments
    12/11/26 06:06:48 INFO mapred.Merger: Down to the last merge-pass, with 5 segments left of total size: 82159206 bytes
    12/11/26 06:06:48 INFO mapred.LocalJobRunner:
    12/11/26 06:06:54 INFO mapred.LocalJobRunner: reduce > reduce
    12/11/26 06:06:55 INFO mapred.JobClient:  map 100% reduce 66%
    12/11/26 06:06:57 INFO mapred.LocalJobRunner: reduce > reduce
    12/11/26 06:07:00 INFO mapred.LocalJobRunner: reduce > reduce
    12/11/26 06:07:03 INFO mapred.LocalJobRunner: reduce > reduce
    ...
    a lot of reduce > reduce ...
    ...

最后，它完成了工作。我想问一下：

1）它在这个reduce > reduce阶段做了什么？

2）我该如何改进呢？

4

2 回答 2

11

查看百分比时，0-33% 是 shuffle，34%-65% 是 sort，66%-100% 是实际的 reduce 函数。

您的代码中的一切看起来都很好，但我会在黑暗中尝试一下：

res您正在一遍又一遍地创建和重新创建字符串。每次获得新值时，Java 都会创建一个新的字符串对象，然后创建另一个字符串对象来保存连接。如您所见，当字符串变得非常大时，这可能会失控。尝试使用 aStringBuffer代替。编辑：StringBuilder优于StringBuffer.

无论这是否是问题，您都应该更改它以提高性能。

于 2012-11-26T05:12:38.533 回答
3

使用 StringBuilder 解决了它。它将运行时间从 30 分钟缩短到 30 秒。我没想到会有这么大的不同。非常感谢。

于 2012-11-26T22:01:15.623 回答