如何通過(guò)inputSplit分片size控制map數(shù)目

本篇內(nèi)容主要講解“如何通過(guò)inputSplit分片size控制map數(shù)目”，感興趣的朋友不妨來(lái)看看。本文介紹的方法操作簡(jiǎn)單快捷，實(shí)用性強(qiáng)。下面就讓小編來(lái)帶大家學(xué)習(xí)“如何通過(guò)inputSplit分片size控制map數(shù)目”吧!

前言：在具體執(zhí)行Hadoop程序的時(shí)候，我們要根據(jù)不同的情況來(lái)設(shè)置Map的個(gè)數(shù)。除了設(shè)置固定的每個(gè)節(jié)點(diǎn)上可運(yùn)行的最大map個(gè)數(shù)外，我們還需要控制真正執(zhí)行Map操作的任務(wù)個(gè)數(shù)。
 1.如何控制實(shí)際運(yùn)行的map任務(wù)個(gè)數(shù)
 我們知道，文件在上傳到Hdfs文件系統(tǒng)的時(shí)候，被切分成不同的Block塊（默認(rèn)大小為64MB）。但是每個(gè)Map處理的分塊有時(shí)候并不是系統(tǒng)的物理Block塊大小。實(shí)際處理的輸入分塊的大小是根據(jù)InputSplit來(lái)設(shè)定的，那么InputSplit是怎么得到的呢？

 InputSplit=Math.max(minSize, Math.min(maxSize, blockSize)

 其中：minSize=mapred.min.split.size

     maxSize=mapred.max.split.size

我們通過(guò)改變InputFormat中分片的多少來(lái)控制實(shí)際使用的Map數(shù)量，而控制InputFormat中的分片多少就需要控制每個(gè)InputSplit分片的大小
 2.如何控制每個(gè)split分片的大小
 Hadoop默認(rèn)的輸入格式是TextInputFormat,他里邊定義了文件讀取的方式和分片的方式。我們打開(kāi)他的源文件（org.apache.hadoop.mapreduce.lib.input包中）：

package org.apache.hadoop.mapreduce.lib.input;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.io.compress.CompressionCodec;
import org.apache.hadoop.io.compress.CompressionCodecFactory;
import org.apache.hadoop.io.compress.SplittableCompressionCodec;
import org.apache.hadoop.mapreduce.InputFormat;
import org.apache.hadoop.mapreduce.InputSplit;
import org.apache.hadoop.mapreduce.JobContext;
import org.apache.hadoop.mapreduce.RecordReader;
import org.apache.hadoop.mapreduce.TaskAttemptContext;
public class TextInputFormat extends FileInputFormat<LongWritable, Text> {
   @Override
   public RecordReader<LongWritable, Text> 
     createRecordReader(InputSplit split,
                       TaskAttemptContext context) {
     return new LineRecordReader();
   }
   @Override
   protected boolean isSplitable(JobContext context, Path file) {
     CompressionCodec codec = 
       new CompressionCodecFactory(context.getConfiguration()).getCodec(file);
     if (null == codec) {
       return true;
     }
     return codec instanceof SplittableCompressionCodec;
   }
}

通過(guò)源代碼，我們發(fā)現(xiàn)TextInputFormat繼承了FileInputFormat，而在TextInputFormat中，我們并沒(méi)有發(fā)現(xiàn)具體的進(jìn)行文件切分的部分，TextInputFormat應(yīng)該是采用了FileInputFormat默認(rèn)的InputSplit方法。因此，我們打開(kāi)FileInputFormat的源代碼，在其中發(fā)現(xiàn)：
 

 public static void setMinInputSplitSize(Job job,long size) {
     job.getConfiguration().setLong("mapred.min.split.size", size);
   }
   public static long getMinSplitSize(JobContext job) {
     return job.getConfiguration().getLong("mapred.min.split.size", 1L);
   }
   
 public static void setMaxInputSplitSize(Job job,long size) {
     job.getConfiguration().setLong("mapred.max.split.size", size);
   }
   public static long getMaxSplitSize(JobContext context) {
     return context.getConfiguration().getLong("mapred.max.split.size",Long.MAX_VALUE);
   }

如上我們可以看到，Hadoop在這里實(shí)現(xiàn)了對(duì)mapred.min.split.size和mapred.max.split.size的定義，且默認(rèn)值分別為1和Long的最大。因此，我們?cè)诔绦蛑恍柚匦沦x值給這兩個(gè)值就可以控制InputSplit分片的大小了。
3.假如我們想要設(shè)置的分片大小為10MB
 則我們可以在MapReduce程序的驅(qū)動(dòng)部分添加如下代碼：

TextInputFormat.setMinInputSplitSize(job,1024L);//設(shè)置最小分片大小

TextInputFormat.setMaxInputSplitSize(job,1024×1024×10L);//設(shè)置最大分片大小

到此，相信大家對(duì)“如何通過(guò)inputSplit分片size控制map數(shù)目”有了更深的了解，不妨來(lái)實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！