Hadoop操作Hbase时自动kill任务相关说明

xywuyiba7

　　背景：
　　用Hadoop基于Hbase进行数据分析的时候，发现其会自动kill任务，但是job能够正常执行，结果也正确，只是Hbase的压力比较大。
　　原因：
　　Hadoop在执行task的时候采用预先计算的方法来加快整个处理过程。具体的就是当所有task都开始运行之后，Job Tracker会统计所有任务的平均进度，如果某个task所在的task node机器配置比较低或者CPU load很高（原因很多），导致任务执行比总体任务的平均执行要慢，此时Job Tracker会启动一个新的任务（duplicate task），原有任务和新任务哪个先执行完就把另外一个kill掉，这也是我们经常在Job Tracker页面看到任务执行成功，但是总有些任务被kill，就是这个原因。 其中有两项配置可以指定是否预测执行：

mapred.map.tasks.speculative.execution=true
mapred.reduce.tasks.speculative.execution=true
　　这两个是预测执行的配置项，它们默认值是true 。
　　结论：
　　在HBase中，采用预测执行这样做，会加重regionserver的load。 
　　用Hadoop map/reduce操作HBase的时候，会尽量采用本地原则，即相应的task尽量使用本地的数据。 而如果另起一个task，则会导致数据不在本地，凭空浪费IO和网络资源。 所以，强烈建议关闭 Speculative Execution 关闭的方法是在Configuration中设定 ：

conf.setBoolean("mapred.map.tasks.speculative.execution", false);
conf.setBoolean("mapred.reduce.tasks.speculative.execution", false);