MapReduc压缩工具对比及配置-创新互联

在MapReduce的各阶段过程中，根据场景开启不同类型的压缩，可以有效提升Job的处理时间；

MR使用压缩的各个阶段：

  压缩可以在 MapReduce 作用的任意阶段启用，通过压缩可以有效降低Job的处理时间；

从上图可以总结为如下内容：

1.从原始数据到Map阶段；需要可切分的Splitable，以便于启动多个线程加速任务

2.Map阶段落地过程；因为需要马上进行Reduce，所以讲求的是Speed，所以越快越好

3.Reduce阶段是分结果的：

归档需求：建议采用高压缩比的工具，归档后节省磁盘空间；

作为下一个任务的输入：要采用Splitable，如果不切片的话下一个MapReduce将只有一个task来处理任务

压缩工具特点对比：

压缩性能比较：

通过上图，可以根据不同的阶段，选项不同的压缩工具；

在选项压缩工具时，针对不同的阶段，可以从3个方面选择对应压缩工具：压缩比、压缩速度、是否分片

关于压缩Hadoop引入的编码器：

Hadoop关于压缩参数的配置：

core-site.xml相关的配置：io.compression.codecs -> 配置支持哪些压缩格式，多种压缩格式以逗号区分

mapred-site.xml相关的配置：

reduce阶段：

mapreduce.output.fileoutputformat.compress：是否开启压缩，true表示开启，默认为false

mapreduce.output.fileoutputformat.compress.codec：压缩类型

    map阶段：

mapreduce.map.output.compress：是否开启压缩，true表示开启，默认为false

mapreduce.map.output.compress.codec：压缩类型

另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。