为什么 EMR 实例没有映射器那么多的 reducer？

Question

默认情况下，在 EMR 作业期间，实例配置为具有比映射器更少的 reducer。但是减速器没有得到任何额外的内存，所以看起来它们应该能够拥有相同的数量。 （比如超大的高cpu实例有7个mapper，但只有2个reducer，但是mapper和reducer都配置了512MB可用内存）。

有谁知道这是为什么，有什么方法可以指定使用与映射器一样多的减速器吗？

编辑：我的数量有误，它是 512 MB

Answer 1

映射器从其输入流（映射器的 STDIN）中提取数据，并且它们发出的内容更加紧凑。然后，该出站流（映射器的 STDOUT）也按键排序。因此，reducer 在其传入的数据中具有较小的排序数据。

这就是为什么任何 Hadoop MapReduce 集群（不仅仅是 EMR）的默认配置是映射器多于化简器的原因，这与作业跟踪器可用的核心数量成正比。

你可以通过jobconf参数控制mapper和reducer的数量。配置变量为 mapred.map.tasks 和 mapred.reduce.tasks。