大数据学习之Hadoop——05MapReduce概念(感觉没写什么, 后面再补充)

欢迎关注我的CSDN: https://blog.csdn.net/bingque6535

一. 基本概念

1. 为什么需要MapReduce

  1. 海量数据在单机上处理因为硬件资源限制,无法胜任
  2. 而一旦将单机版程序扩展到集群来分布式运行,将极大增加程序的复杂度和开发难度
  3. MapReduce把大量分布式程序涉及到的内容都封装进了该运算框架
  4. 引入 MapReduce 框架后,开发人员可以将绝大部分工作集中在业务逻辑的开发上,而将分布式计算中的复杂性交由框架来处理

2. MapReduce的思想就是“分而治之”

  1. Mapper负责“分”,即把复杂的任务分解为若干个“简单的任务”来处理。“简单的任务”包含三层含义:
    • 一是数据或计算的规模相对原任务要大大缩小
    • 二是就近计算原则,即任务会分配到存放着所需数据的节点上进行计算;
    • 三是这些小任务可以并行计算,彼此间几乎没有依赖关系。
  2. Reducer负责对map阶段的结果进行汇总

3. MapReduce的优缺点

1. 优点
  1. MapReduce易于编程
    它简单的实现一些接口,就可以完成一个分布式程序,这个分布式程序可以分布到大量廉价的PC机器上运行。也就是说你写一个分布式程序,跟写一个简单的串行程序是一模一样的。就是因为这个特点使得MapReduce编程变得非常流行。
  2. 良好的扩展性
    当你的计算资源不能得到满足的时候,你可以通过简单的增加机器来扩晨它的计算能力。
  3. 高容错性
    MapReduce设计的初衷就是使程序能够部署在廉价的PC机器上,这就要求它具有很高的容错性。比如其中一台机器挂了,它可以把上面的计算任务转移到另外一个节点上运行,不至于这个任务运行失败,而且这个过程不需要人工参与,而完全是由Hadoop内部完成的。
  4. 适合海量数据的离线处理
2. 缺点
  1. 不擅长实时计算
    MapReduce无法像MySQL一样, 在毫秒或秒级内返回结果
  2. 不擅长流式计算
    流式计算的输入数据是动态的,而MapReduce的输入数据集是静态的,不能动态变化。这是因为MapReduce自身的设计特点决定了数据源必须是静态的。
  3. 不擅长DAG(有向图)计算
    多个应用程序存在依赖关系,后一个应用程序的输入为前一个的输出。在这种情况下,MapReduce并不是不能做,而是使用后,每个MapReduce作业的输出结果都会写入到磁盘,会造成大量的磁盘IO,导致性能非常的低下。

4. 常用数据序列化类型

Java类型 Hadoop Writable类型
Boolean BooleanWritable
Byte ByteWritable
Int IntWritable
Float FloatWritable
Long LongWritable
Double DoubleWritable
String Text
Map MapWritable
Array ArrayWritable

5. MapReduce进程

一个完整的MapReduce程序在分布式运行时有三类实例进程

  1. MapReduceMaster: 负责整个程序的过程调度及状态协调
  2. MapTask: 负责Map阶段的整个数据处理流程
  3. ReduceTask: 负责Reduce阶段整个数据处理流程

6. MapReduce编程规范

用户编写的程序分成三个部分:Mapper、Reducer和Driver。

  1. Mapper阶段

    1. 用户自定义的Mapper要继承Mapper类
    2. Mapper的输入数据是KV对的开式(KV的类型可自定义)
    3. Mapper中的业务逻辑写在ma()方法中
    4. Mapper的输出数据是KV对的形式(KV的类型可自定义)
    5. map()方法(MapTask进程)对每一个调用一次
  2. Reducer阶段

    1. 用户自定义的Reducer要继承Reducer类
    2. Reducer的输入数据类型对应Mapper的输出数据类型,也是KV
    3. Reducer的业务逻辑写在reduce()方法
    4. ReduceTask进程对每一组相同k的组调用一次reduce()方法
  3. Driver阶段
    相当于YARN集群的客户端,用于提交我们整个程序到YARN集群,提交的是封装了MapReduce程序相关运行参数的job对象

欢迎关注我的CSDN: https://blog.csdn.net/bingque6535

你可能感兴趣的:(大数据学习之Hadoop——05MapReduce概念(感觉没写什么, 后面再补充))