[英]Streaming or custom Jar in Hadoop
我正在Hadoop(在亚马逊的EMR上)运行流媒体作业,使用Python编写的映射器和reducer。 我想知道如果我在Java中实现相同的mapper和reducer(或使用Pig),我将体验到的速度提升。
特别是,我正在寻找人们从流式传输到自定义jar部署和/或Pig的经验,以及包含这些选项的基准比较的文档。 我发现了这个问题 ,但答案对我来说不够具体。 我不是在寻找Java和Python之间的比较,而是在Hadoop中的自定义jar部署和基于Python的流式传输之间进行比较。
我的工作是从Google Books NGgram数据集中读取NGram计数并计算汇总度量。 似乎计算节点上的CPU利用率接近100%。 (我想听听你对CPU绑定或IO绑定工作的差异的看法)。
谢谢!
AMAC
为什么要考虑部署自定义jar?
什么时候用猪?
什么时候不用猪?
有关IO和CPU绑定作业的说明:
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.