1
条回答
写回答
写回答
-
FileFormat v1算法中，合并文件树操作全部在AppMaster单点执行，效率非常低，尤其是动态分区场景。为了解决AppMaster单点，社区提供了算法2，其核心思路是将合并过程并行到Task中执行，在性能上会有一定的提高，但是，如果Job执行失败，部分成功的Task会将数据写入最终数据目录，导致脏数据问题。
2022-05-10 13:04:36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
Mem usage has exceed the limit of BE - com.mysql.j
1496
大佬，可以请教下，有没有遇到 com.aliyun.oss
1231
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
现代流式计算的基石：Google DataFlow
18556
Spark in action on Kubernetes - Playground搭建与架构浅析
13207
漫谈分布式计算框架
11175
首次揭秘|为6.4亿人次出行提供无线网络的技术架构
10655
阿里封神-大数据处理技术漫谈
11890
JindoFS概述：云原生的大数据计算存储分离方案
23222
助力云上开源生态 - 阿里云开源大数据平台的发展
11827
基于Spark Streaming 进行 MySQL Binlog 日志准实时传输
11035
Apache Spark 3.0 将内置支持 GPU 调度
10563
EMR Spark Relational Cache的执行计划重写
9089
展开全部
