MapReduce简述、工作流程

原文链接： http://www.cnblogs.com/onone/articles/8483689.html

MR编程模型之执行步骤：

　　1、准备map处理的输入数据

　　2、mapper处理

　　3、Shuffle

　　4、Reduce处理

　　5、结果输出

 (input) -> map -> -> combine -> ->reduce -> (output)

 

 

 

处理流程：

　　

流程：

　　1、输入文本信息，由InputFormat -> FileInputFormat -> TextInputFormat，通过getSplits方法获得Split数组，然后在用getRecordReader 方法对Split做处理，每读一行交给一个map处理

　　2、每个节点上的所有map，交由该节点上的Partitioner处理（Shuffling的过程），按key将map放在其他节点上去还是继续在该节点下处理

　　3、排序

　　4、结果交由reduce处理

　　5、处理完成后由 OutputFormat ->FileOutputFormat ->TextOutputFormat 写到本地或Hadoop上

 

Split：MR处理的的数据块，MR中最小的计算单元，默认是与HDFS中的Block（HDFS中的最小存储单元，默认128M）是一一对应的，也可以手工设置（不建议修改）

InputFormat：将输入的数据进行分片（Split） InputSplit[] getSplits(JobConf var1, int var2)

　　TextInputFormat：用来处理文本格式的数据

OutputFormat： 输出

 

 

上图图解：

　　一般来说，一个Split对应一个Block，但上图是一个设置过后的。

　　一个file文件被分成了n个Block，对应着就是2n个Split，经过InputFormat处理后，每个Split交由一个Mapper处理，通过Shuffling的分组和排序后产生多个Reducer，每个Reducer就会产生一个文件

 

 

 

MapReduce 1.x的架构：一个JobTracker+多个taskTracker

　　　　JobTracker:负责资源管理和作业调度

　　　　TrakTracker：定期向JobTracker汇报节点的健康、资源、作业情况，接收JT的命令，比如启动/杀死任务

 

MapReduce 2.x：

　　

 

转载于:https://www.cnblogs.com/onone/articles/8483689.html