大量 zip 压缩包，每一个都很小， 10M 以内，如何利用 MapReduce 实现快速解压呢？
dhairoot · 2018-11-15 09:32:11 +08:00 · 5528 次点击这是一个创建于 2192 天前的主题，其中的信息可能已经有所发展或是发生改变。
大量 zip 压缩包，每一个都很小，10M 以内，如何利用 MapReduce 实现快速解压呢？
 |
1
ym1ng 2018-11-15 09:42:39 +08:00
自己写 InputFormat （别问我怎么写有没有资料啥的，逃～
|
 |
3
dhairoot OP @ym1ng 我是参考这个博主写的代码实现解压的，http://cutler.io/2012/07/hadoop-processing-zip-files-in-mapreduce/
|
 |
4
Vamposine 2018-11-15 09:52:00 +08:00 via iPhone  1
你这个瓶颈是磁盘 io 吧
|
 |
5
dawncold 2018-11-15 09:54:19 +08:00
如果你只是想解压这些 zip 文件的话，多开几个进程或者线程，和 CPU 个数差不多，一个个解压就挺快吧？当然如果有很多资源可用，确实可以搞分布式解压，就行 mapreduce 一样？
|
 |
7
Valyrian 2018-11-15 09:59:51 +08:00
多开几个进程同时解
为什么要扯到 mapreduce 上去 |
 |
8
Ediacaran 2018-11-15 10:00:14 +08:00
线程池足够了把
|
|
9
dhairoot OP @dawncold 现在的情况是总共有 16T 文件，通过手动的把文件分开放在不同电脑上，开多线程去解压就已经非常耗时了，所以才想通过上传到 hdfs，利用 MapReduce 解压，。但是目前发现解压速度太慢了，完全不知道因为什么。
|
|
10
dawncold 2018-11-15 10:06:58 +08:00
@dhairoot 这个不好说呢，分布式解压也得看你有多少资源可以被用起来，是有闲置的资源吗，还是解压速度已经够好了只是达不到心理预期？
|
 |
11
AnyISalIn 2018-11-15 10:10:36 +08:00
MapReduce 肯定没有本地多线程解压快的
|
 |
12
hearfish 2018-11-15 10:11:01 +08:00
不同压缩格式的解压速度是不一样的，先看看你的压缩格式能支持多快的速度吧
|
 |
13
meisky6666 2018-11-15 11:30:17 +08:00
应该用 c 语言来写
|
 |
14
surfire91 2018-11-15 14:24:07 +08:00
这个没必要 MapReduce 吧，你这个全是小任务，就多进程 /线程来好了，效率肯定比 MapReduce 高。
|
 |
15
cyhulk 2018-11-15 14:33:43 +08:00
forkjoinpool
|
 |
16
est 2018-11-15 14:36:31 +08:00
你是说 hdfs 上有大量 zip 文件，还是说你本地硬盘上有很多小 zip 文件想用 mapreduce 加速？
如果是后者。。。 |
|
18
dhairoot OP @dawncold 我现在测试在本地多线程解压，但是因为都是小文件，每秒 io 次数很多，但是读写速度只能达到 10mb/s
|
 |
19
mmtromsb456 2018-11-15 16:01:36 +08:00 1
要考虑磁盘的 IOPS 吧..小文件多线程并发解压应该算个低队列深度 IO.你先确认下 IOPS 到达你的 SSD 瓶颈没有.而不是看读写速度
|
 |
20
20015jjw 2018-11-15 16:02:15 +08:00 via Android
为啥要 mapreduce.～
|
 |
22
atomstar 2018-11-15 16:07:09 +08:00
处理 zip 里面的数据可以用 mr，但是就解压 zip，为什么要和 mr 扯上关系呢
|
Select Language