您好 MapR 是否支持大量（400 万）小文件（每个 20KB）它对这些文件的元数据的管理能力如何？如果我想运行解析每个文件的 mapreduce，我可以从 5 个节点（每个节点：32GB RAM，8 核）集群中获得什么性能。有哪些改进性能的建议？

我正在尝试执行/运行一个 Web 应用程序（使用 Spring 工具套件），通过它可以将作业提交给 hadoop。我正在使用apache-tomcat-6.0.36 服务器和mapr客户端。但是，当我运行我的应用程序时，出现以下错误：

我在配置时错过了什么吗？这个错误的原因是什么？我错过了将任何罐子添加到应用程序的类路径中吗？

我是hadoop的新手。

我听说 mapR 是挂载 hadoop HDFS 而不是熔断的更好方法。

但是大多数相关文章只是描述了mapR hadoop而不是纯粹的apache hadoop。

任何人都有使用 mapR 安装纯 apache hadoop 的经验吗？

提前致谢。

我已经在 vmware 上安装了 ubuntu 12.04，并在 ubuntu 上安装了 mapr 单节点。当我想格式化磁盘时，出现错误：

输出是：

分区（/dev/sda7）已卸载。但我无法格式化磁盘。使用vmware时可以格式化分区吗？我的问题是什么？谢谢

我在reducer中调用了一个单例类的方法。所以我创建了一个类的实例。Tt 适用于一个键，而对于其余键，它表示它无法实例化类 [“java.lang.exceptio”]。

我是 Hadoop、Mapr 和 Pivotal 的新手。我已经编写了 java 代码来写入关键但在写入 Mapr 时面临的问题。

此代码适用于 pivoatal，但适用于 Mapr。

对于 Mapr，我使用端口 = 7222。我收到以下错误“现有连接被远程主机强行关闭”

请让我知道我是否使用了正确的端口或需要在特定于 Mapr 的代码中更改任何内容。

我已经停止了 iptables。

任何信息都非常感谢。

谢谢

标题

我正在处理海量数据，我的输入数据约为 100 GB。我想选择其中一种 hadoop 发行版，但我不知道选择 mapr 集群还是 cloudera 集群。我想使用免费版本（使用 hadoop 0.20 的 mapr M3 和 cloudera CDH4）。哪个更好？我使用哪种配置效果最好？谢谢。

我目前正在开发一个hadoop程序。该程序被 Hadoop 杀死是因为 mapper tasker 占用了高内存（大约 7G）。有没有办法让一台机器一次只运行一个任务？

我尝试了如下所示的设置，但没有成功。该任务被hadoop杀死。

集群正在使用mapr-m3，每台机器都有 15.6GB 内存，可用性为 70%。

与高延迟的 Hive 相比，Drill 看起来像是一个有趣的工具，用于 ad-hoc 向下钻取查询。
似乎这两者之间应该有一个不错的整合，但我找不到它。
假设今天我所有的工作都是在 Hive/Shark 上完成的，我如何将它与 Drill 集成？
我必须来回切换到 Drill 引擎吗？
我正在寻找类似于 Shark 和 Hive 的集成。

这个问题类似，但不一样，因为Hive JDBC getConnection 不返回。然而，这是关于远程连接。Metastore 也存在于启动 hiveserver2 的目录中。

我们在远程机器上有一个正在运行的 mapr 集群。我想使用 Java JDBC 连接到该集群上的 Hive。

因此我们启动了 hive 服务器：

/opt/mapr/hive/hive-0.11/bin/hiveserver2

服务器进程的输出不包含任何错误消息。它侦听 netstat 报告的端口 10000。

我尝试按照https://cwiki.apache.org/confluence/display/Hive/HiveClient中的描述连接到服务器，从而将 localhost 替换为运行 hiveserver2 的服务器名称：

然而，该程序恰好挂在此声明上。它似乎没有建立联系。

可能我需要提供用户名和密码？

最初我使用了驱动程序 org.apache.hadoop.hive.jdbc.HiveDriver。

然而，如果 hive2 服务器正在运行，我似乎应该使用驱动程序 org.apache.hive.jdbc.HiveDriver。现在我收到以下异常：