介绍
- Uber mode简单地可以理解成JVM重用，该mode是Hadoop2.x版本开始引入的；以Uber mode运行MapReduce作业，所有的Map Tasks和Reduce Tasks将会在ApplicationMaster所在的容器（container）中运行，也就是说整个MapReduce作业运行的过程只会启动AM container，因为不需要启动mapper和reducer containers，所以AM不需要和远程containers通信，整个过程简单了。
- 但是并不是所有的MapReduce Job都可以启用Uber模式，如果我们的MapReduce Job输入的数据量非常小，启动Map container或Reduce container的时间都比处理数据要长，那么这个作业就可以考虑启用Uber mode运行，一般情况下，对小作业启用Uber mode运行会得到2x-3x的性能提升。
- 通常，Uber mode对于数据量小的作业会非常节约时间。
Uber mode启用
-
相关代码：
isUber = uberEnabled && smallNumMapTasks && smallNumReduceTasks && smallInput && smallMemory && smallCpu && notChainJob && isValidUberMaxReduces;
-
参数解读：
-
uberEnabled：mapreduce.job.ubertask.enable参数的值，默认情况下为false；也就是说默认情况不启用Uber mode； -
smallNumMapTasks：启用Uber mode的作业Map的个数必须小于等于 mapreduce.job.ubertask.maxmaps 参数的值，该值默认为9；即在默认情况下，如果想启用Uber mode，作业的Map个数必须小于10； -
smallNumReduceTasks：Uber mode的作业Reduce的个数必须小于等于mapreduce.job.ubertask.maxreduces，该值默认为1；即在默认情况下，如果想启用Uber mode，作业的Reduce个数必须小于2； -
smallInput：不是任何作业都适合启用Uber mode，输入数据的大小必须不能超过mapreduce.job.ubertask.maxbytes参数的值，默认情况是HDFS一个文件块大小； -
smallMemory：因为作业是在AM所在的container中运行，所以要求设置的Map内存（mapreduce.map.memory.mb）和Reduce内存（mapreduce.reduce.memory.mb）不能超过AM所在容器内存大小设置（yarn.app.mapreduce.am.resource.mb）； -
smallCpu：Map配置的vcores（mapreduce.map.cpu.vcores）个数和Reduce配置的vcores（mapreduce.reduce.cpu.vcores）个数也不能超过AM所在容器vcores个数的设置（yarn.app.mapreduce.am.resource.cpu-vcores）； -
notChainJob：此外，处理数据的Map class（mapreduce.job.map.class）和Reduce class（mapreduce.job.reduce.class）必须不能是 ChainMapper 或 ChainReducer 才行； -
isValidUberMaxReduces：目前仅当Reduce的个数不超过2的作业才能启用Uber mode。
-
