
Hunk/Hadoop: 性能最佳實(shí)踐
文 | Jonathan Allen
翻譯 | 李建盛
無(wú)論有沒有使用Hunk,當(dāng)運(yùn)行Hadoop時(shí),有很多種方式導(dǎo)致偶爾的性能底下。多數(shù)時(shí)候人們是增加更多的硬件來解決問題,但是有時(shí)候只需要簡(jiǎn)單更改下文件的名稱就可以解決問題。
運(yùn)行Map-Reduce任務(wù)[Hunk]
Hunk運(yùn)行在Hadoop之上,但是這并不意味著一定做到有效的使用。如果Hunk運(yùn)行在“復(fù)雜模式”,而不是“智能模式”的話,它就沒有真正的用到Map-Reduce。相反它會(huì)直接將所有的Hadoop數(shù)據(jù)拉到Splunk引擎,并在那里處理它。
HDFS存儲(chǔ)[hadoop]
在Hadoop的很多事項(xiàng)和Hunk有關(guān)聯(lián)時(shí)如何部署文件?你需要在文件路徑中包含時(shí)間戳,Hunk可以使用目錄結(jié)構(gòu)來當(dāng)作一個(gè)過濾器,可以極大的減少被拉到Splunk的數(shù)據(jù)量。
在文件名稱中包含時(shí)間戳也可以生效,但是效果較差,因?yàn)?/span>Hunk仍然會(huì)讀取所有的文件名。
為了更好的性能,你可以在文件路徑中包含一個(gè)?。祵?duì)。例如 “…/2015/3/2/app=webserver/…” 。在遍歷目錄時(shí)查詢指令會(huì)將包含鍵-值對(duì)的過濾掉,再次減少了被拉到Splunk的數(shù)據(jù)量。
基于時(shí)間戳的VIX/indexs.conf[hunk]
當(dāng)文件存儲(chǔ)模式對(duì)于任何的Hadoop Map-Reduce有利時(shí),你就需要修改indexs.conf,以讓Hunk可以識(shí)別目錄結(jié)構(gòu)。
文件格式[Hunk]
諸如JSON和CSV這樣的自我描述的文件,對(duì)于Hunk來說是很容易讀取的,它們更加的詳細(xì),且消除了代價(jià)昂貴的映射操作。
壓縮類型/文件大小 [Hdaoop]
要避免過大的文件,例如500MB的GZ壓縮且沒有分片的文件。(諸如LZO壓縮的分片文件也是可以接受的。)對(duì)于沒有分片的文件來說,在core和文件之間是一對(duì)一的映射關(guān)系,這就意味著只能有一個(gè)core來處理大文件,而其它定core只能空轉(zhuǎn)等待。也就是說處理沒有分片的文件花費(fèi)了大量的時(shí)間,那么Map-Reduce的任務(wù)就無(wú)法快速的處理。
同樣,你也應(yīng)該避免使用大量的大小在幾十KB到幾百KB之間的碎文件。如果文件太小,你會(huì)在啟動(dòng)和管理任務(wù)花費(fèi)大量的時(shí)間,而不是真正的用在處理數(shù)據(jù)本身之上。
報(bào)告加速[hunk]
Hunk現(xiàn)在可以利用Splunk的報(bào)告加速功能了,這會(huì)在HDFS中緩存搜索的結(jié)果,減少或消除了需要從主的Hadoop集群中讀取數(shù)據(jù)量。
在你啟用此功能之前,請(qǐng)確保你的Hadoop集群擁有足夠的空間來存儲(chǔ)緩存。
硬件[Hadoop]
確保你擁有合適的硬件。雖然Hadoop是能夠運(yùn)行在甚至是雙核的筆記本電腦中,但是你要真正使用它,還是需要每個(gè)節(jié)點(diǎn)擁有至少4顆4個(gè)核的CPU,為了能夠確保擁有足夠的暫存空間,你須配置至少12GB的內(nèi)存,兩塊本地磁盤(10K或固態(tài))
搜索Head Clustering[Hunk]
搜索Head Clustering在Splunk 6.2中是相對(duì)較新的一個(gè)特性,在Splunk6.3中,對(duì)于基于Hunk的查詢將是一個(gè)可行的屬性。
來自InfoQ
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
LSTM 模型輸入長(zhǎng)度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長(zhǎng)序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計(jì)的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠(chéng)摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡(jiǎn)稱 BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測(cè)分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢(shì)預(yù)判? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代,預(yù)測(cè)分析作為挖掘數(shù)據(jù)潛在價(jià)值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價(jià)值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭(zhēng)搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢(shì)性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢(shì)性檢驗(yàn)如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢(shì)與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢(shì)變化以及識(shí)別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國(guó)內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對(duì)策略? 長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場(chǎng)調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場(chǎng)調(diào)研是企業(yè)洞察市場(chǎng)動(dòng)態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場(chǎng)調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動(dòng)力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動(dòng)力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價(jià)值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03