MapReduce 的知识点详解

Shuffle(混洗)
shuffle 输入是key value的 list
shuffle 输出是key value的list

MapReduce计算任务的步骤
第一步 ：inputFormat
inputFormat到hdfs上读取数据
将数据传给split

第二步split
split将数据进行逻辑切分，将数据传给RR

第三步：RR
RR：将传入的数据转换成一行一行的数据，输出行首字母的偏移量和偏移量对应的数据
将数据传给MAP

第四步：MAP
MAP：根据业务需求实现自定义代码
将数据传给Shuffe的partition

第五步：partition
partition：按照一定的分区规则，将key value的liet进行分区
将数据传给Shuffle的Sort

第六步：Sort
Sort:对分区内的数据进行排序
将数据传给Shufflfflffle的combiner

第七步：combiner
combiner:对数据进行局部聚合。
将数据传给Shufflfflffle的Group

第八步：Group
Group：将相同key的key提取出来作为唯一的key，将相同key对应value获取出来作为value的liet
将数据传给Reduce

第九步：Reduce
Reduce：根据业务需求进行最终的合并汇总。
将数据传给outputFormat

第十步：outputFormat
outputFormat：将数据写入HDFS

打包代码到集群运行
在代码中添加

打包提交
MAPREDUCE程序的输出：若是一个路径，那么程序会计算路径下的所有文件。
若是一个文件，那么只计算这个文件。

MAPREDUCE程序的输出：输出的路径必须不能存在

Map的数量不能人为设置，reduce的数量可以人为设置。
job.setNumReduceTasks(3);
reduce数量越多，计算速度越快。
combinner的添加
在map端局部聚和，设置reduce的class
job.setCombinerClass(WordCountReduce.class);