Change File Split size in Hadoop(在 Hadoop 中更改文件拆分大小)
问题描述
我在 HDFS 目录中有一堆小文件.虽然文件的体积相对较小,但每个文件的处理时间量很大.也就是说,一个 64mb 文件,它是 TextInputFormat 的默认分割大小,甚至需要几个小时来处理.
I have a bunch of small files in an HDFS directory. Although the volume of the files is relatively small, the amount of processing time per file is huge. That is, a 64mb file, which is the default split size for TextInputFormat, would take even several hours to be processed.
我需要做的是减小分割大小,这样我就可以利用更多节点来完成一项工作.
What I need to do, is to reduce the split size, so that I can utilize even more nodes for a job.
所以问题是,如何以 10kb 来分割文件?我是否需要为此实现自己的 InputFormat 和 RecordReader ,或者是否需要设置任何参数?谢谢.
So the question is, how is it possible to split the files by let's say 10kb? Do I need to implement my own InputFormat and RecordReader for this, or is there any parameter to set? Thanks.
推荐答案
mapred.max.split.size这个参数可以根据job单独设置寻找.不要更改 dfs.block.size,因为这对于 HDFS 来说是全局性的,可能会导致问题.
The parameter mapred.max.split.size which can be set per job individually is what you looking for. Don't change dfs.block.size because this is global for HDFS and can lead to problems.
这篇关于在 Hadoop 中更改文件拆分大小的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持编程学习网!
本文标题为:在 Hadoop 中更改文件拆分大小
基础教程推荐
- 不推荐使用 Api 注释的描述 2022-01-01
- 如何在 JFrame 中覆盖 windowsClosing 事件 2022-01-01
- 大摇大摆的枚举 2022-01-01
- Java Swing计时器未清除 2022-01-01
- 多个组件的复杂布局 2022-01-01
- 在 Java 中创建日期的正确方法是什么? 2022-01-01
- 验证是否调用了所有 getter 方法 2022-01-01
- Java 实例变量在两个语句中声明和初始化 2022-01-01
- 从 python 访问 JVM 2022-01-01
- 如何在 Spring @Value 注解中正确指定默认值? 2022-01-01
