Hadoop MapReduce性能优化

大数据时代，MapReduce的重要性不言而喻。Hadoop作为MapReduce框架的一个实现，受到业界广泛的认同，并被广泛部署和应用。尽管Hadoop为数据发工程师门和编程提供了极大便利，但构造一个真正满足性能要求的MapReduce程序并不简单。数据量巨大是大数据工作的现实问题，而对低响应时间的要求则时常困扰着数据发工程师。 《Hadoop MapReduce性能优化》采用原理与实践相结合的方式，通过原理讲解影响MapReduce性能的因素，透过实例一步步地教读者如何发现性能瓶颈并消除瓶颈，如何识别系统薄弱环节并改善薄弱环节，讲解过程中融合了作者在优化实践过程中积累的丰富经验，具有很强的针对性。读完本书，能让读者对Hadoop具有更强的驾驭能力，从而构造出性能*的MapReduce程序。 Hadoop性能问题既是程序层面的问题，也是系统层面的问题。本书既覆盖了系统层面的优化又覆盖了程序层面的优化，非常适合Hadoop管理员和有经验的数据发工程师阅读。对于初学者，本书第1章也作了必要的技术铺垫，避免对后面章节的理解产生梯度。
【推荐语】
《Hadoop MapReduce性能优化》详细描述了Hadoop MapReduce作业性能的优化过程。书中通过大量清晰而实用的步骤，帮助读者充分利用集群的节资源。 《Hadoop MapReduce性能优化》从MapReduce工作原理以及影响MapReduce性能的因素出发，让读者对Hadoop性能指标以及几个性能工具有大致的了解。下来，本书探索了性能计数器，帮读者判断资源瓶颈、检查集群的健康状况、量化Hadoop集群并学习常用的性能调优手段。读者还会学到通过对map和reduce任务行性能分析并使用Combiner和压缩技术对map和reduce任务行性能优化。 以Hadoop集群的**实践和建议结尾，讲述如何**地使用Hadoop集群。 通过本书读者将掌握： 量化Hadoop集群的节配置； 利用Hadoop MapReduce性能计数器判断资源瓶颈； 正确设置mapper和reducer的数量； 使用压缩技术和Combiner优化map和reduce任务的吞吐量和代码量； 理解各种调优属性以及优化集群的**实践； 判断Hadoop集群的薄弱环节； 了解影响MapReduce性能的因素。
【作者】
作者介绍 Khaled Tannirhas从1980年始从事计算机相关工作。他是微软认证的发人员（MCSD），他在领导软件解决方案的发和实施以及技术演说方面，拥有20多年技术经验。如今，他是一名独立IT咨询师，并在法国、加拿大的许多大公司担任基础设施工程师、高级研发工程师、企业/解决方案架构师等职务。 他在Microsoft .NET、Microsoft服务器系统、Oracle Java技术等领域拥有丰富的经验，并且熟练驾驭在线和离线应用系统设计、系统转换以及多语言的互联网/桌面应用程序发。 Khaled Tnnirhas总是热衷于探索和学习新的技术，并基于这些技术在法国、北美、中东等地区寻求商机。他现在拥有一个IT电子实验室，实验室中配备了很多服务器、监控器、源电子板（如Arduino、Netduino、RaspBerry Pi和.Net Gadgeteer），还有一些装有Windows Phone、Android和iOS操作系统的智能设备。 2012年，他协助组织并出席了法国波尔多大学的复杂数据挖掘国际论坛——EGC 2012。 他还是《RavenDB 2.x Beginner’s Guide》一书的作者。 译者简介 范欢动 信息技术领域的一名老兵。1994年获得电力系统及其自动化专业学士学位。1997年获得信号与信息处理专业硕士学位。兴趣广泛，涉及技术领域和非技术领域，但大多浅尝辄止。参与过航天、通信、电子出版和金融领域的信息处理、软件架构与发，以作者或合作者身份拥有三项实用新型专利，并获得第十八届北京市优秀青年工程师称号。曾在佳讯飞鸿电气股份有限公司、英国雅讯（xarios）北京代表处、博云科技等公司担任产品技术总监。目前，终于把全部的兴趣聚焦到了数据分析，尤其是大数据分析上，主要目标是利用数据分析手段发现模式，从而降低决策风险、改善产业价值。冀望在大数据时代与读者一起学习并分享大数据相关技术，共同发掘大数据带来的价值。