Uber模式是Hadoop2.0中实现的一种针对MR小作业的优化机制。即如果作业足够小，则所有task在一个jvm（mrappmaster）中完成要比为每个task启动一个container更划算。下面是该机制的相关参数，这些参数均为客户端配置。
总开关
- mapreduce.job.ubertask.enable 默认值：false
作业规模条件
- mapreduce.job.ubertask.maxmaps 最大map数，默认值：9
- mapreduce.job.ubertask.maxreduces 最大reduce数，默认值：1 （社区2.2.0只支持0或1个reduce）
- mapreduce.job.ubertask.maxbytes 最大输入字节数，默认值：默认的blocksize，即64MB
资源需求条件
map或reduce的内存需求不大于appmaster的内存需求
- mapreduce.map.memory.mb (默认值：0) <= yarn.app.mapreduce.am.resource.mb （默认值：1536）
- mapreduce.reduce.memory.mb (默认值：0) <= yarn.app.mapreduce.am.resource.mb （默认值：1536）
map或reduce的CPU需求不大于appmaster的CPU需求
- mapreduce.map.cpu.vcores (默认值：1) <= yarn.app.mapreduce.am.resource.cpu-vcores (默认值：1)
- mapreduce.reduce.cpu.vcores (默认值：1) <= yarn.app.mapreduce.am.resource.cpu-vcores (默认值：1)
非Chain作业
- mapreduce.job.map.class 不继承于 org.apache.hadoop.mapreduce.lib.chain.ChainMapper
- mapreduce.job.reduce.class 不继承于 org.apache.hadoop.mapreduce.lib.chain.ChainReducer
Uber模式参数（客户端配置）,布布扣,bubuko.com
Uber模式参数（客户端配置）
原文：http://blog.csdn.net/liangliyin/article/details/20928653
