Hadoop之ReduceTask工作机制

Hadoop之ReduceTask工作机制

---

目录

1. 设置ReduceTask并行度（个数）
2. 注意
3. 实验：测试reducetask多少合适
4. ReduceTask工作机制

---

1. 设置ReduceTask并行度（个数）

reducetask的并行度同样影响整个job的执行并发度和执行效率，但与maptask的并发数由切片数决定不同，Reducetask数量的决定是可以直接手动设置：

//默认值是1，手动设置为4
job.setNumReduceTasks(4);

---

2. 注意

1. reducetask=0 ，表示没有reduce阶段，输出文件个数和map个数一致。
2. reducetask默认值就是1，所以输出文件个数为一个。
3. 如果数据分布不均匀，就有可能在reduce阶段产生数据倾斜
4. reducetask数量并不是任意设置，还要考虑业务逻辑需求，有些情况下，需要计算全局汇总结果，就只能有1个reducetask。
5. 具体多少个reducetask，需要根据集群性能而定。
6. 如果分区数不是1，但是reducetask为1，是否执行分区过程。答案是：不执行分区过程。因为在maptask的源码中，执行分区的前提是先判断reduceNum个数是否大于1。不大于1肯定不执行。

---

3. 实验：测试reducetask多少合适

1. 实验环境：1个master节点，16个slave节点：CPU:8GHZ，内存: 2G
2. 实验结论：
   

---

4. ReduceTask工作机制