关闭

Hadoop MapReduce之ReduceTask任务执行(五)

1382人阅读 评论(0) 收藏 举报
分类:
  本节分析ReduceTask的最后一个阶段:reduce,经历了copy、sort后,reduce的输入数据就准备好了,reduce数据输入由Reducer.Context提供,该Context封装了sort阶段的迭代器,可以对内存和磁盘的KV进行迭代,这部分需要注意两个大的循环:1、对KEY的循环由Reducer类实现,具体参考run函数 2、在自定义的reduce函数中对VALUE的循环。在自定义的reduce函数中会处理迭代器中的数据,当迭代器中的数据没有的时候就意味着需要处理下一个KEY了,reduce函数的输出会直接输出目的地如HDFS中,具体位置是可以自定义的。下面我们先看Reducer中run函数是如何实现KEY循环的
  public void run(Context context) throws IOException, InterruptedException {
    setup(context);
    while (context.nextKey()) {//循环读取KEY
      reduce(context.getCurrentKey(), context.getValues(), context);//进入自定义的reduce函数
    }
    cleanup(context);
  }
nextKey函数的逻辑如下:
    /** Start processing next unique key. */
  public boolean nextKey() throws IOException,InterruptedException {
    while (hasMore && nextKeyIsSame) {//读取新KEY时nextKeyIsSame为假
      nextKeyValue();
    }
    if (hasMore) {
      if (inputKeyCounter != null) {
        inputKeyCounter.increment(1);
      }
      return nextKeyValue();//如果为新的KEY,则会预读一条KV
    } else {
      return false;
    }
  }
  KV的预读逻辑如下
  public boolean nextKeyValue() throws IOException, InterruptedException {
    if (!hasMore) {
      key = null;
      value = null;
      return false;
    }
    //读取新KEY的时候firstValue为真,此时nextKeyIsSame为假
    //当读取相同KEY的非首条记录时,firstValue会置为假
    firstValue = !nextKeyIsSame;
    //将KV读取到buffer中
    DataInputBuffer next = input.getKey();
    currentRawKey.set(next.getData(), next.getPosition(), 
                      next.getLength() - next.getPosition());
    buffer.reset(currentRawKey.getBytes(), 0, currentRawKey.getLength());
    key = keyDeserializer.deserialize(key);
    next = input.getValue();
    buffer.reset(next.getData(), next.getPosition(), next.getLength());
    value = valueDeserializer.deserialize(value);
    //再读取一条,用于判断下一条的KEY是否相同,来设置nextKeyIsSame
    hasMore = input.next();
    if (hasMore) {
      next = input.getKey();
      nextKeyIsSame = comparator.compare(currentRawKey.getBytes(), 0, 
                                         currentRawKey.getLength(),
                                         next.getData(),
                                         next.getPosition(),
                                         next.getLength() - next.getPosition()
                                         ) == 0;
    } else {
      nextKeyIsSame = false;
    }
    inputValueCounter.increment(1);
    return true;
  }
KEY判断完毕,如果确定还有数据则进入到自定义的reduce函数中,这里我们以WordCount为例,由于函数中会对同一个KEY的相同VALUE进行迭代,因此会传入Iterable(第二个参数),该参数封装了org.apache.hadoop.mapreduce.ReduceContext.ValueIterator
	protected void reduce(Text key, java.lang.Iterable<IntWritable> arg1,
			Context context) throws IOException, InterruptedException {
		Iterator<IntWritable> iterator = arg1.iterator();//获得迭代器
		int sum = 0;
		while (iterator.hasNext()) {//判断是否有下一个VALUE
			sum += iterator.next().get();//自定义操作
		}
		context.write(key, new IntWritable(sum));//写出操作
	};	
在对VALUE的迭代中每读取一次VALUE,都会判断下一个VALUE是否相同,以设置nextKeyIsSame的值,当相同KEY的VALUE有多条时,一旦nextKeyIsSame为假,那么证明需要处理下一个KEY了。
  protected class ValueIterator implements Iterator<VALUEIN> {
    @Override
    public boolean hasNext() {
      return firstValue || nextKeyIsSame;
    }


    @Override
    public VALUEIN next() {
      // 如果为首条记录则直接返回,注意此时firstValue状态变化
      if (firstValue) {
        firstValue = false;
        return value;
      }
      // if this isn't the first record and the next key is different, they
      // can't advance it here.
      if (!nextKeyIsSame) {
        throw new NoSuchElementException("iterate past last value");
      }
      // 读取下一条KV,具体逻辑见上面nextKeyValue的分析
      try {
        nextKeyValue();
        return value;
      } catch (IOException ie) {
        throw new RuntimeException("next value iterator failed", ie);
      } catch (InterruptedException ie) {
        // this is bad, but we can't modify the exception list of java.util
        throw new RuntimeException("next value iterator interrupted", ie);        
      }
    }


    @Override
    public void remove() {
      throw new UnsupportedOperationException("remove not implemented");
    }
    
  }
  当reduce阶段输出时,如果目的地是HDFS,则会直接写入,此时HDFS相当于服务端,reduce任务相当于客户端,也是调用FSDataOutputStream来写出的,这里就不再多分析了。
0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:122898次
    • 积分:2143
    • 等级:
    • 排名:第18304名
    • 原创:93篇
    • 转载:3篇
    • 译文:0篇
    • 评论:6条
    文章分类
    最新评论