五、MR解决数据倾斜具体方法
5.1 大量相同key没有combine就传到Reducer
combiner函数
思想：提前在map进行combine，减少传输的数据量
在Mapper加上combiner相当于提前进行reduce，即把一个Mapper中的相同key进行了聚合，减少shuffle过程中传输的数据量，以及Reducer端的计算量。
如果导致数据倾斜的key 大量分布在不同的mapper的时候，这种方法就不是很有效了。
5.2 导致数据倾斜的key 大量分布在不同的mapper
局部聚合加全局聚合。
第一次在map阶段对那些导致了数据倾斜的key 加上1到n的随机前缀，这样本来相同的key 也会被分到多个Reducer中进行局部聚合，数量就会大大降低。
第二次mapreduce，去掉key的随机前缀，进行全局聚合。
思想：二次mr，第一次将key随机散列到不同reducer进行处理达到负载均衡目的。第二次再根据去掉key的随机前缀，按原key进行reduce处理。
该方法进行两次mapreduce：
这个方法进行两次mapreduce，性能稍差。
增加Reducer
思想：增加Reducer，提升并行度
JobConf.setNumReduceTasks(int)
实现custom partitioner
思想：根据数据分布情况，自定义散列函数，将key均匀分配到不同Reducer
网友评论