spark shuffle 在原始的 Hash Shuffle 机制中怎么生存 bucket?

问答 shishuai19910217 ⋅ 于 2018-11-29 22:41:21 ⋅ 最后回复由 青牛 2018-11-30 16:27:02 ⋅ 55 阅读

网上说shuffleMapTask 创建会根据Reducer的数量创建出相应的bucket (每个shuffleMapTask都会为每个reducetask 创建一个bucket文件) 也就是说 最终的小文件数量是 MR
我想问一下一定是有M
R个文件吗???(不考虑consolidation机制,不考虑其他因素 )

我自己理解的如下:
首先bucketId 是由hashPartitioner 通过对map的key与Partition数量取余算的(0-numPartition-1)
也就是说有多少个bucket是由数据决定的 换言之一个map可以产出0 - (numPartition-1)不等的bucket数量 那网上说
shuffleMapTask 创建会根据Reducer的数量创建出相应的bucket 有多少个Reducer 就创建多少个bucket 这种说法应该怎么理解???

PS:表述的可能不是很清楚望请见谅

成为第一个点赞的人吧 :bowtie:
回复数量: 3
  • 青牛 国内首批大数据从业者,就职于金山,担任大数据团队核心研发工程师
    2018-11-30 14:03:25

    Mapper会根据Reducer的数量创建出相应的bucket,bucket的数量是M×R,其中M是Map的个数,R是Reduce的个数,并不是按照numPartition计算的

  • shishuai19910217
    2018-11-30 15:49:30
  • 青牛 国内首批大数据从业者,就职于金山,担任大数据团队核心研发工程师
    2018-11-30 16:27:02

    @shishuai19910217 我理解错了 我以为你说的是读取数据那个numPartition,write这个action操作可以指定partition数量,这个数量会决定reduce的数量从而影响bucket的数量

暂无评论~~
  • 请注意单词拼写,以及中英文排版,参考此页
  • 支持 Markdown 格式, **粗体**、~~删除线~~、`单行代码`, 更多语法请见这里 Markdown 语法
  • 支持表情,可用Emoji的自动补全, 在输入的时候只需要 ":" 就可以自动提示了 :metal: :point_right: 表情列表 :star: :sparkles:
  • 上传图片, 支持拖拽和剪切板黏贴上传, 格式限制 - jpg, png, gif,教程
  • 发布框支持本地存储功能,会在内容变更时保存,「提交」按钮点击时清空
Ctrl+Enter