数据倾斜(三):MR是如何解决数据倾斜的
2020-05-23 本文已影响0人
longLiveData
五、MR解决数据倾斜具体方法
5.1 大量相同key没有combine就传到Reducer
combiner函数
思想:提前在map进行combine,减少传输的数据量
在Mapper加上combiner相当于提前进行reduce,即把一个Mapper中的相同key进行了聚合,减少shuffle过程中传输的数据量,以及Reducer端的计算量。
如果导致数据倾斜的key 大量分布在不同的mapper的时候,这种方法就不是很有效了。
5.2 导致数据倾斜的key 大量分布在不同的mapper
局部聚合加全局聚合。
第一次在map阶段对那些导致了数据倾斜的key 加上1到n的随机前缀,这样本来相同的key 也会被分到多个Reducer中进行局部聚合,数量就会大大降低。
第二次mapreduce,去掉key的随机前缀,进行全局聚合。
思想:二次mr,第一次将key随机散列到不同reducer进行处理达到负载均衡目的。第二次再根据去掉key的随机前缀,按原key进行reduce处理。
该方法进行两次mapreduce:
这个方法进行两次mapreduce,性能稍差。
增加Reducer
思想:增加Reducer,提升并行度
JobConf.setNumReduceTasks(int)
实现custom partitioner
思想:根据数据分布情况,自定义散列函数,将key均匀分配到不同Reducer