列出了传统磁盘 shuffle 的主要问题是哪些？
已解决列出了传统磁盘 shuffle 的主要问题是哪些？
展开
收起
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
1
条回答
写回答
-
推荐回答
·碎片读：一个典型的 2k*1k shuffle pipe 在上游每个 mapper 处理 256MB 数据时，一个 mapper 写给一个 reducer 的数据量平均为 256KB，而从 HDD 磁盘上 一次读小于 256KB 这个级别的数据量是很不经济的，高 iops 低 throughput 严重影响作业性能；
·稳定性：由于 HDD 上严重的碎片读现象，造成 reduce input 阶段较高的出错比率，触发上游重跑生成shuffle数据更是让作业的执行时间成倍拉长。
以上内容摘自《“伏羲”神算》电子书，点击https://developer.aliyun.com/topic/download?id=873
2022-08-11 10:50:39赞同 展开评论
问答分类：
问答地址：
开发者社区
>
大数据与机器学习
>
大数据计算 MaxCompute
>
问答
相关问答
MaxCompute（原ODPS）是一项面向分析的大数据计算服务，它以Serverless架构提供快速、全托管的在线数据仓库服务，消除传统数据平台在资源扩展性和弹性方面的限制，最小化用户运维投入，使您经济并高效的分析处理海量数据。
收录在圈子:
+ 订阅
MaxCompute 是面向分析的企业级 SaaS 模式云数据仓库，以 Serverless 架构提供快速、全托管的在线数据仓库服务，消除了传统数据平台在资源扩展性和弹性方面的限制，最小化用户运维投入，使您可以经济并高效的分析处理海量数据。数以万计的企业正基于 MaxCompute 进行数据计算与分析，将数据高效转换为业务洞察。
相关文章
热门讨论
热门文章
展开全部
展开全部
还有其他疑问?
咨询AI助理