长时间的hadoop运行,卡在减少>减少

Question

我有hadoop运行,基本上只是聚合键,它的代码:(映射器是身份映射器)

    public void reduce(Text key, Iterator<Text> values,
            OutputCollector<Text, Text> results, Reporter reporter) throws IOException {

            String res = new String("");
            while(values.hasNext())
            {
                res += values.next().toString();
            }
            Text outputValue = new Text("<all><id>"+key.toString()+"</id>"+res+"</all>");
            results.collect(key, outputValue);
    }

它停留在这个水平:

    12/11/26 06:19:23 INFO mapred.JobClient: Running job: job_201210240845_0099
    12/11/26 06:19:24 INFO mapred.JobClient:  map 0% reduce 0%
    12/11/26 06:19:37 INFO mapred.JobClient:  map 20% reduce 0%
    12/11/26 06:19:40 INFO mapred.JobClient:  map 80% reduce 0%
    12/11/26 06:19:41 INFO mapred.JobClient:  map 100% reduce 0%
    12/11/26 06:19:46 INFO mapred.JobClient:  map 100% reduce 6%
    12/11/26 06:19:55 INFO mapred.JobClient:  map 100% reduce 66%

我在本地运行它看到了这个:

    12/11/26 06:06:48 INFO mapred.LocalJobRunner:
    12/11/26 06:06:48 INFO mapred.Merger: Merging 5 sorted segments
    12/11/26 06:06:48 INFO mapred.Merger: Down to the last merge-pass, with 5 segments left of total size: 82159206 bytes
    12/11/26 06:06:48 INFO mapred.LocalJobRunner:
    12/11/26 06:06:54 INFO mapred.LocalJobRunner: reduce > reduce
    12/11/26 06:06:55 INFO mapred.JobClient:  map 100% reduce 66%
    12/11/26 06:06:57 INFO mapred.LocalJobRunner: reduce > reduce
    12/11/26 06:07:00 INFO mapred.LocalJobRunner: reduce > reduce
    12/11/26 06:07:03 INFO mapred.LocalJobRunner: reduce > reduce
    ...
    a lot of reduce > reduce ...
    ...

最后,它完成了工作.我想问一下:

1)在减少>减少阶段它做了什么？

2)我怎样才能改善这一点？

Answer 1

在查看百分比时,0-33%是洗牌,34%-65%是排序,66%-100%是实际减少功能.

你的代码中的一切看起来都很好,但是我会在黑暗中捅一下:

您正在res反复创建并重新创建字符串.每次获得新值时,Java都会创建一个新的字符串对象,然后创建另一个字符串对象来保存连接.正如您所看到的,当字符串变得非常大时,这可能会失控.尝试使用StringBuffer替代品.编辑:StringBuilder比StringBuffer.更好.

无论这是否是问题,您都应该对其进行更改以提高性能.