1
条回答
写回答
写回答
-
核心原因在于OSS KV模型跟HDFS文件树模型的差异。FileFormat算法最初设计是基于HDFS文件系统，然而对象存储如OSS，为了解决扩展性，本质上采用的是KV模型。KV模型相对于HDFS文件系统差异较大，比如RenameDirectory接口，在HDFS中只是指针操作，但在KV中，需要将所有子文件和目录的KV执行Rename，性能开销很大，并且保证不了原子性。Hadoop FileOutputFormat在写入数据的时候先写到临时目录，最后写入最终目录，临时目录到最终目录的过程中需要做文件树合并，合并过程中有大量Rename操作。
2022-05-10 13:04:35赞同 展开评论 打赏
问答地址：
开发者社区
>
大数据与机器学习
>
开源大数据平台 E-MapReduce
>
问答
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。
相关问答
阿里云EMR是云原生开源大数据平台，为客户提供简单易集成的Hadoop、Hive、Spark、Flink、Presto、ClickHouse、StarRocks、Delta、Hudi等开源大数据计算和存储引擎，计算资源可以根据业务的需要调整。EMR可以部署在阿里云公有云的ECS和ACK平台。
热门讨论
热门文章
hdfs 文件块过多（1亿）每个datanode 占3000万块(分16G内),某时刻内存陡然增加？
629
大佬，可以请教下，有没有遇到 com.aliyun.oss
1231
Mem usage has exceed the limit of BE - com.mysql.j
1494
EMR StarRocks有hive或spark的炸裂函数，类似explode可以用吗?
717
阿里云E-MapReduce中oss在这个do-while循环期间如果有新创建的文件是否能读取到呢？
66
阿里云共享块存储和NAS还有OSS的区别是什么呀
7765
Databricks 和 Dataworks 都是一站式的数据分析平台，两者的区别是什么？
2094
为什么集群已续费但还是会收到没有续费的通知？
705
E-MapReduce和MaxCompute的区别是什么？
2003
什么叫免运维？
656
展开全部
漫谈分布式计算框架
11175
JindoFS概述：云原生的大数据计算存储分离方案
23222
基于Spark Streaming 进行 MySQL Binlog 日志准实时传输
11035
EMR Spark Relational Cache的执行计划重写
9089
使用Hive进行OSS数据处理的一个最佳实践
11501
Apache Spark + Intel Analytics Zoo 进行深度学习
7024
E-MapReduce启动/停止HBase集群
5521
如何在E-MapReduce上使用引导操作安装kafka组件
4361
11月28日Spark社区直播【Tablestore结合Spark的云上流批一体大数据架构 】
4468
E-MapReduce解决hive comment中文乱码问题
4480
展开全部
