Hadoop之MapReduce工作流程

谁践踏了优雅 2022-01-21 12:11 478阅读 0赞

# Hadoop之MapReduce工作流程 #

--------------------

## 目录 ##

1.  流程示意图
2.  流程详解
3.  注意

--------------------

### 1. 流程示意图 ###

MapReduce工作流程  
流程示意图，如下图  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkxMDY5NA_size_16_color_FFFFFF_t_70]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkxMDY5NA_size_16_color_FFFFFF_t_70 1]

--------------------

### 2. 流程详解 ###

上面的流程是整个mapreduce最全工作流程，但是shuffle过程只是从第7步开始到第16步结束，具体shuffle过程详解，如下：

1.  maptask收集我们的map()方法输出的kv对，放到内存缓冲区中
2.  从内存缓冲区不断溢出本地磁盘文件，可能会溢出多个文件
3.  多个溢出文件会被合并成大的溢出文件
4.  在溢出过程中，及合并的过程中，都要调用partitioner进行分区和针对key进行排序
5.  reducetask根据自己的分区号，去各个maptask机器上取相应的结果分区数据
6.  reducetask会取到同一个分区的来自不同maptask的结果文件，reducetask会将这些文件再进行合并（归并排序）
7.  合并成大文件后，shuffle的过程也就结束了，后面进入reducetask的逻辑运算过程（从文件中取出一个一个的键值对group，调用用户自定义的reduce()方法）

--------------------

### 3. 注意 ###

1.  Shuffle中的缓冲区大小会影响到mapreduce程序的执行效率，原则上说，缓冲区越大，磁盘io的次数越少，执行速度就越快。
2.  缓冲区的大小可以通过参数调整，参数：io.sort.mb 默认100M。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkxMDY5NA_size_16_color_FFFFFF_t_70]: /images/20220121/e6cc8574b64548cdabd7308b3b78507b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkxMDY5NA_size_16_color_FFFFFF_t_70 1]: /images/20220121/5607e6cbd7524fd19d2c0ec40e94e178.png