MaxCompute计算长尾问题-低调大师

MaxCompute计算长尾问题

2016-12-22 682 89

长尾问题是分布式计算里最常见的问题之一，也是典型的疑难杂症。究其原因，是因为数据分布不均，导致各个节点的工作量不同，整个任务就需要等最慢的节点完成才能完成。处理这类问题的思路就是把工作分给多个Worker去执行，而不是一个Worker单独抗下最重的那份工作。本文希望就平时工作中遇到的一些典型的长尾问题的场景及其解法做一些分享。

Join

Join能出现长尾，是因为Join时出现某个Key里的数据特别多的情况。不讨论两张表都是小表的情况。如果两张表里有一张大一张小，可以考虑使用Mapjoin，对小表进行缓存。具体语法和说明可以参考这里。如果是MapReduce作业，可以使用资源表的功能，对小表进行缓存。

但是如果两张表都比较大，就需要先尽量去重。实在不行的话，就需要从业务上考虑，为什么会有这样的两个大数据量的Key要做笛卡尔积，能否从业务

微信关注我们

原文链接：https://yq.aliyun.com/articles/67086

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

MaxCompute 学习计划(三)

MapReduce/Graph 当业务逻辑实在是复杂的时候，用SQL配合UDF(包括UDAF和UDTF)也无法实现的时候，可以使用MapReduce或Graph来实现。作业 MapReduce MapReduce文档里的十多个示例程序每个都很重要，务必每个都看懂每行代码的作用。参考链接文档。使用Eclipse / InteliJ IDEA配置开发环境，可以修改warehouse里的数据然后观察任务的运行结果的变化。并用客户端工具运行任务，并了解-classpath和-resources参数的区别。通过System.out和System.err输出日志信息，并使用Logview观察服务器上的日志。使用开发工具开发实现开窗函数。了解沙箱。数加的大数据开发套件里的Open MR里的每个配置，对应到MR的main函数里是什么？可以参考SDK的说

748

分布式系统调用链监控

分布式系统调用链监控应用架构由集中式向分布式演进后，整个调用关系变得复杂。分布式架构由复杂且较大规模集群构成，各个应用之间相当独立，可能由不同团队、不同语言实现。系统一个完整的调用过程可能横跨多个服务及数据中心。复杂的调用导致系统出问题后难以定位问题。无法准确知道整体系统性能及运行情况。全链路性能监控一个请求完整的调用链可能如下图，经过多个系统服务，调用关系复杂。期间我们会关注各个调用的各项性能指标，比如吞吐量（TPS）、响应时间及错误记录等。吞吐量，根据拓扑可相应计算组件、平台、物理设备的实时吞吐量。响应时间，包括整体调用的响应时间和各个服务的响应时间等。错误记录，根据服务返回统计单位时间异常次数。全链路性能监控从整体维度到局部维度展示各项指标，将跨应用的所有调用链性能信息集中展现，可方便度量整体和局部性能，并且方便找到故障产生的源头，生产上可极大缩短故障排除时间。 Google Dapper 系统整个调用链 1. 当用户发起一个请求时，首先到达前端A服务，然后分别对B服务和C服务进行RPC调用； 2. B服务处理完给A做出响应，但是C服务还需要和后端的D服务...

716

资源下载

更多资源

优质分享Android(本站安卓app)

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Oracle Database，又名Oracle RDBMS

Oracle Database，又名Oracle RDBMS，或简称Oracle。是甲骨文公司的一款关系数据库管理系统。它是在数据库领域一直处于领先地位的产品。可以说Oracle数据库系统是目前世界上流行的关系数据库管理系统，系统可移植性好、使用方便、功能强，适用于各类大、中、小、微机环境。它是一种高效率、可靠性好的、适应高吞吐量的数据库方案。

Apache Tomcat7、8、9（Java Web服务器）

Tomcat是Apache 软件基金会（Apache Software Foundation）的Jakarta 项目中的一个核心项目，由Apache、Sun 和其他一些公司及个人共同开发而成。因为Tomcat 技术先进、性能稳定，而且免费，因而深受Java 爱好者的喜爱并得到了部分软件开发商的认可，成为目前比较流行的Web 应用服务器。

Java Development Kit(Java开发工具)

JDK是 Java 语言的软件开发工具包，主要用于移动设备、嵌入式设备上的java应用程序。JDK是整个java开发的核心，它包含了JAVA的运行环境（JVM+Java系统类库）和JAVA工具。