与有关 Hadoop 中的作业完成历史的 FileSystemCounters 混淆

Question

在 hadoop 的 Job completion History 中，我对一些 FileSystemCounters 感到困惑。

1. FILE_BYTES_READ 和 HDFS_BYTES_READ 有什么区别。

2. 为什么 HDFS_BYTES_READ 与 Map 输入字节的值不同？

3. Spilled Records 和 Reduce 输出记录有什么区别？

Answer 1

下面是解释 a) FILE_BYTES_READ - 当 Mapper 的输入来自本地文件时计算。通常为 0，但当 mapper 将文件作为中间输出发出时，会发生合并排序来合并文件。 mapper 中的 FILE_BYTES_READ 就是这样。

b) HDFS_BYTES_READ - 对于映射器，它是来自 HDFS 的映射输入字节，包括有关拆分的元数据。 对于reducer，一般为0。

c) 映射输入字节 - 映射器读取的输入字节的确切数量。通常，输入字节会比 HDFS_BYTES_READ 略少。

d) 泄漏记录 - 对于 mapper 和 reducer，它是在作业执行期间溢出到磁盘的记录数

e) 减少输出记录 - reducer 发出的最终记录数。