个人网站策划书怎么做/搜易网服务内容
下面来看下，MapReduce用户对task执行的更多控制
The Task Execution Environment
Hadoop为map task和reduce task提供了运行环境信息。例如，一个map task 可以知道它正在处理的文件的名称，和一个map或reduce task可以找出已经尝试的次数、下表中的属性都可以在job的配置信息中访问到，在老的MapReduce API中可以通过Mapper或reducer的configuer()方法获得这些信息，其中配置作为参数传入。在新的API中，这些属性可以通过context对象获得，该对象被传入到Mapper和Reducer的方法中。
Speculative Execution（推测执行）
MapReduce 模型将job分割成若干task，然后并行运行的这些task的，这使得job的整体执行时间要少于顺序执行这些task的时间。那么执行缓慢的task，将影响job的执行时间，当一个job有上百或上千个task时，有几个“拖后腿”task是很常见的。
Task缓慢有多种原因，包括硬件故障、软件配置错误，但是缓慢的原因又很难检测出来，因为job已成功完成，尽管完成时间比预期的要长。Hadoop不会试着去分析和修复运行缓慢的task，而是自动推测，试着启动另外一个等效的task。这就是所谓的task“推测执行”。
speculative execution并不是在大约同一时间同时运行两个task，而是，调度器跟踪所有task的进度，推测执行只对明显低于平均速率的task（一般占较小比例），才启动一个副本task，当一个task成功完成，那么其所有正在运行的副本task将被杀死，因为不在需要了。如果原task在speculative task之前完成，那么speculative task将被杀死；如果speculative task 先完成，那么原task将被杀死。
Speculative Execution仅是一个优化措施，并不能使job的运行更可靠。如果存在bug，可能会引起task的挂起或运行缓慢。
Speculative Execution默认是启用的，也可以单独的为map或reduce task、job、集群范围启用或停用。相关属性见下表：
Speculative Execution的目的就是减少job的执行时间的，但这是以牺牲集群效率为代价的。对于一个比较繁忙的集群，speculative execution 会降低整体的吞吐量，因为冗余的task正在执行。处于这个原因，一些集群管理员通常会关闭speculative execution，但用户可以为个别的job开启speculative execution。Hadoop老版本更是如此，因为它在调度speculative task时会过度使用speculative execution。
一个关闭speculative execution例子就是reduce task，因为任何speculative task会使用和原reduce task同样的map 输出，这就明显增加了集群的网络传输。
Output Committers
MapReduce使用一个commit协议，来确保job和task的要么完全成功，要么完全失败。该行为是由OutputCommitter实现，在旧的MapReduce API中，是通过掉JobConf的setOutputCommitter()方法或通过setting mapred.output.committer.class属性来设置。在新的MapReduce API中，OutputCommiter是由OutputFormat的getOutputCommitter()方法确定的，默认为FileOutputCommitter，这是基于文件处理的MapReduce。另外，如果有特殊需求，也可以为job或task自定义一个OutputCommitter或写一个新的实现。
OutputCommitter的API如下：
public abstract class OutputCommitter {public abstract void setupJob(JobContext jobContext) throws IOException;public void commitJob(JobContext jobContext) throws IOException { }public void abortJob(JobContext jobContext, JobStatus.State state) throws IOException { }public abstract void setupTask(TaskAttemptContext taskContext) throws IOException;public abstract boolean needsTaskCommit(TaskAttemptContext taskContext) throws IOException;public abstract void commitTask(TaskAttemptContext taskContext) throws IOException;public abstract void abortTask(TaskAttemptContext taskContext) throws IOException;
}
如果job成功，就会调用commitJob()方法，它将会删除临时工作空间，并创建一个隐藏的空的标记文件_SUCCESS，表示job成功完成。如果job没有成功，将会调用abortJob()方法，它带有一个state对象表示job是失败或被杀死（例如用户），默认它也会删除临时工作空间。
setupTask()方法是针对对Task的，它在task运行前调用，默认不做任何事情，因为在写task输出时已经为task的输出创建了临时目录。
task的commit阶段是可选，也可以通过needsTaskCommit().方法返回false来禁用，这将会使框架不必运行分布式提交协议，并且也不会调用commitTask() 、 abortTask()方法。当task没有输出可写时，FileOutputCommitter将跳过commit阶段。
如果task成功，将会调用commitTask()方法，它会将临时输出目录（为避免冲突，不同的task尝试以尝试ID作为目录名）移动到最终的输出路径${mapreduce.output.fileoutputformat.outputdir}。否则，将调用abortTask()方法，它将删除临时输出目录。
MapReduce框架对于一个特定的task，如果多个任务尝试的实例，可以确保仅有一个可以提交，其它的将被放弃。出现这种情况是因为某些原因第一次尝试失败，它将被放弃，之后的尝试成功的将被提交。也可能会发生两个尝试task同时在运行，这种情况，先执行完成的先提交，另一个将被放弃。