正在设置应用程序引擎mapreduce shard siz

Question

在最终的reduce作业中，appengine Mapreduce API是否根据自己的逻辑决定计算碎片的大小？在

我正在使用appengine mapreduce API并提供了shard_size kwarg设置我的mapreduce碎片大小。在

切分大小在我的mapreduce作业中特别重要，因为我不想在reduce函数的最后一步执行时将太多的结果批处理到任何一个结果中。换句话说，我在硬编码切分大小，以便根据系统的外部约束均匀地划分用户。在

地图工作看起来很好，但是reducer只使用了我指定的碎片的一小部分。在

下面是我正在处理的代码类型的粗略概述：

SHARD_SIZE = 42

def map_fun(entity):
  shard_key = random.randint(1, SHARD_SIZE)
  yield (
    shard_key,
    db.model_to_protobuf(entity).SerializeToString().encode('base64')
  )

def reduce_fun(key, entities):
  batch = []
  for entity in entities:
    #check for stuff
    batch.append(entity)
  expensive_side_effect(batch)


class MyGreatPipeline(base_handler.PipelineBase):
  def run(self, *args, **kw):
    yield mapreduce_pipeline.MapreducePipeline(
      'label'
      'path.to.map_fun',
      'path.to.reduce_fun',
      'mapreduce.input_readers.DatastoreInputReader',
      'mapreduce.output_writers.BlobstoreOutputWriter',
      mapper_params={
        'entity_kind': 'path.to.entity',
        'queue_name': 'coolQueue'
      },
      reducer_params={},
      shard_size = SHARD_SIZE
    )

map_fun专门为每个实体分配一个根据碎片大小随机确定的碎片。我很困惑为什么我的reducer的碎片会比SHARD_SIZE少，因为有很多实体，而且重复选择相同的整数是极不可能的。在

Answer 1

我不明白你在这里做什么。使用映射阶段将内容分组到一个小的、分片的密钥上，然后在reduce time处理这些密钥看起来很奇怪。即使你的reduce工人和mapper工人的数量一样多，你最终还是要为每个关键点做太多的工作。在

正在处理的'batch'是随机任意的，所以我假设expensive_side_effect()不依赖于批的内容。为什么不在映射时做这个工作呢，释放一些reduced可以传递给输出编写器的东西呢？在