Hadoop概念及其用法專家講解
本節和大家繼續學習Hadoop，Hadoop是一個分布式系統基礎架構，由Apache基金會開發。它有什么奧秘呢，就讓我們一起來繼續關注Hadoop吧。
條款6：多個大輸入的Job建議使用串行執行，多個小輸入的Job建議使用并行執行。
Hadoop的任務處理分為map階段以及reduce階段，當集群的taskslots足夠支持多個任務同時執行時，建議使用多任務并行執行，反之，建議使用串行執行，且當一個Job開始執行reducetask
時，可以開始執行下一個Job的maptask。
以下是我們在50臺退役機器上分別并行和串行運行2個100G，200G，300G的任務的測試結果：
條款7：reducer的個數應該略小于集群中全部reduceslot的個數。
maptask的個數由輸入文件大小決定，所以選擇合適的reducer的個數對充分利用Hadoop集群的性能有重要的意義。
Hadoop中每個task均對應于tasktracker中的一個slot，系統中mapperslots總數與reducerslots總數的計算公式如下：
mapperslots總數=集群節點數×mapred.tasktracker.map.tasks.maximum
reducerslots總數=集群節點數×mapred.tasktracker.reduce.tasks.maximum
設置reducer的個數比集群中全部的reducerslot略少可以使得全部的reducetask可以同時進行，而且可以容忍一些reducetask失敗。
條款8：多個簡單串行的Job優于一個復雜的Job。將復雜的任務分割成多個簡單的任務，這是典型的分治的思想。這樣不僅可以使得程序變得更簡單，職責更單一，而且多個串行的任務還可以
在上一個任務的正在執行reduce任務的時候，利用空閑的map資源來執行下一個任務。
4.Key-Value權衡
Map-Reduce算法的核心過程如下：
map(k1,v1)-->list(k2,v2)
reduce(k2,list(v2))-->list(v2)
即通過用戶定義的map函數將輸入轉換為一組<Key，Value>對，而后通過用戶定義的reduce函數將<Key，List<Value>>計算出***的結果。
如何選擇合適的map和reduce函數才能充分利用Hadoop平臺的計算能力呢？換句話說，如何選擇上式中合適的K2和V2呢？
條款9：maptask或reducetask的大小應該適中，以一個task運行2-3分鐘為宜，且task不能超出計算節點的運算能力。
雖然Hadoop平臺幫助我們將數據分割成為小任務來執行，但我們也應當意識到，每個task都是在一個計算節點運行的，若一個task對機器資源（CPU、內存、磁盤空間等）的需求超出了計算
節點的能力的話，任務將會失敗。而如果task過小的話，雖然計算節點能夠快速的完成task的執行，但過多的task的管理開銷，以及中間結果頻繁的網絡傳輸將占據任務執行的絕大部分時間，
這樣同樣會嚴重影響性能。建議的task大小***是以能夠運行2-3分鐘為宜。
條款10：map產生的中間結果不宜過大。
輸入數據經過用戶定義的map函數后生成的<Key，Value>對是Map-Reduce模型的中間計算結果。
Maptask將計算的中間結果保存在本地磁盤，而后通過Reducetask拉去所有當前任務所需的中間結果，并將中間結果按Key排序。顯然若map產生的中間結果過大，網絡傳輸時間以及中間結
果排序將占據大部分的Job執行時間。本節關于Hadoop的介紹到此結束。
【編輯推薦】
