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 5858 次点击这是一个创建于 2589 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