java - mapreduce 作业中的 API 调用

Question

我想问一下在运行 map reduce 作业时调用外部 API 的不便之处。有哪些缺点？

一些例子：如果在映射器内部，我们需要对地址进行地理编码，我们调用谷歌地图 api，或者调用外部数据库以获取项目的相关元素等。

Answer 1

只要外部 API 中没有数据库调用，就可以调用外部 API。在许多方面，这比重新编写逻辑更可取。很多时候，您希望 MapReduce 作业只不过是在非 MapReduce 上下文中编写的围绕逻辑的包装器。这是为了更好的可测试代码。

但是，强烈建议不要进行外部数据库调用。这将大大降低 MapReduce 作业的速度，因为每次调用都是随机访问调用。此外，同时有数千个 Map/Reduce 任务访问您的数据库可能会使数据库崩溃。如果您需要相关元素，最好将所有元素放在 HDFS 上并在 MapReduce 中进行连接。如果您正在谈论的数据库是 NoSQL 存储，例如 Cassandra 或 HBase，它们将具有批量导出功能，可以将整个表导出到 HDFS。