Hadoop分布式缓存 - 修改文件

Question

我在分布式缓存中有一个文件。驱动程序类根据作业的输出更新此文件并启动新作业。新工作需要这些更新。

我目前的做法是用一个新的（更新的）替换旧的分布式缓存文件。

有没有办法将差异（旧文件和新文件之间）广播到所有需要该文件的任务跟踪器？

或者是这样的情况，在一项工作（在我的情况下是第一个）完成后，所有特定于该工作的目录/文件都被删除，因此朝这个方向思考甚至没有意义?

Answer 1

我认为分布式缓存的构建并不是考虑到这种情况。它只是将文件放在本地。
在您的情况下，我建议将文件放入 HDFS 并让所有感兴趣的各方从那里获取它
作为一种优化，您可以为该文件提供高复制因子，并且它对于大多数任务来说都是本地的。