Hadoop中的Shuffle(17)

Shuffle描述着数据从Map Task输出到Reduce Task输入的这段过程。

Map端：

            1、每个Map有一个环形内存缓冲区，用于存储任务的输出，默认大小100MB(io.sort.mb属性)，一旦达到阀值

                 0.8(io.sort.spill.percent)，一个后台线程把内容写到(spill)磁盘的指定目录(mapred.local.dir)下的新建的一个

                 溢出文件。

            2、在写入磁盘前，要Partitioner，Sort，如果有Combiner(聚合)，Combiner排序后在写入数据。

            3、等最后把记录写完，合并全部溢出写文件为一个分区且排序的文件。

Reduce端：

             1、Reduce通过Http方式得到输出的文件的分区。

             2、TaskTracker为分区文件运行Reduce任务。复制阶段把Map输出复制到Reduce的内存或磁盘。一个Map任                     务完成，Reduce就开始复制输出。

             3、排序阶段合并Map输出，然后走Reduce阶段。

             注意：在有些情况下，也有可能没有任何的Reduce，当前数据处理可以完全并行时，即无需混洗(shuffle)，可能

                       会出现无Reduce任务的情况，在这种情况下，唯一的非本地节点数据传输是Map任务将结果写入HDFS.

                                                                                                                        Name：Xr

                                                                                                                          Date：2014-03-04 21:55