Hadoop MapReduce工作流程

工作流程1 Map Task

MR工作流程2 Reduce Task

 

1）提交切片信息，jar包，和xml配置文件到yarn。
2）Yarn ResourceManager启动一个MR AppMaster。
3）AppMaster根据切片信息启动相应数量的Map Task。
4）Map Task取读取按照InputFormat去读取文件数据，交给map方法处理。
5）map方法处理完成后，将相应的kv数据写出到环形缓冲区。这个环形缓冲区默认100M，右边写实际数据（map方法输出的kv数据），左边写描述数据的索引。
6）当环形缓冲区写到80%时，将数据溢写到磁盘，然后开始反向写。在溢写之前，会先将数据进行区内排序。如果有多个溢写文件，每个分区的文件最终会归并成一个。
7）所有的Map Task完成后，AppMaster会根据分区数，启动相应的Reduce Task。
8）Reduce Task将多个Map Task的结果拷贝到本地，如果数据不大就放在内存，否则放在磁盘，并将多个文件进行归并排序。然后，相同Key的数据一起进入reduce方法，并将结果写出到文件。

其中map方法之后，reduce方法之前这段处理过程叫做shuffle。