设置Amazon EMR应用程序的减速机数量

Question

我试图在Amazon EMR下运行wordcount示例。

-1-首先，我使用以下命令创建一个集群：

/elastic mapreduce--创建--名称“MyTest”--活动

这将创建一个具有单个实例的集群，并返回一个jobID，例如j-12nwukabcdef

-2-第二，我使用以下命令启动作业：

/elastic mapreduce-jobflow j-12nwukabcdef-jar s3n://mybucket/jar files/wordcount。jar——主类abc。WordCount—arg s3n://mybucket/input data/

--arg s3n://mybucket/output data/

--arg-Dmapred.reduce.tasks=3

我的WordCount类属于包abc。

这执行起来没有任何问题，但我只得到一个减速机。这意味着参数“mapred.reduce.tasks=3”被忽略。

有没有办法指定我希望应用程序使用的减速机的数量？

谢谢你，尼拉吉。

Answer 1

您可以使用流Jar的内置选项numReduceTasks。例如，使用Ruby EMR CLI工具：

elastic-mapreduce --create --enable-debugging \
  --ami-version "3.3.1" \
  --log-uri s3n://someBucket/logs \
  --name "someJob" \
  --num-instances 6 \
  --master-instance-type "m3.xlarge"  --slave-instance-type "c3.8xlarge" \
  --bootstrap-action s3://elasticmapreduce/bootstrap-actions/install-ganglia \
  --stream \
    --arg "-files" \
    --arg "s3://someBucket/some_job.py,s3://someBucket/some_file.txt" \
    --mapper "python27 some_job.py some_file.txt" \
    --reducer cat \
    --args "-numReduceTasks,8" \
    --input s3://someBucket/myInput \
    --output s3://someBucket/myOutput \
    --step-name "main processing"

Answer 2

尝试通过使用--bootstrap-action选项设置减速器和映射器来启动EMR集群

--bootstrap-action s3://elasticmapreduce/bootstrap-actions/configure-daemons --args "-m,mapred.map.tasks=6,-m,mapred.reduce.tasks=3"

Answer 3

-D和mapred.reduce.tasks=3应该是单独的参数。