既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
计算框架 Map
计算框架Reduce
计算框架MR图例演示
二、Hadoop 2.x-MapReduce
Apache Hadoop YARN (Yet Another Resource Negotiator,另一种资源协调者)是一种新的 Hadoop 资源管理器,它是一个通用资源管理系统,可为上层应用提供统一的资源管理和调度,它的引入为集群在利用率、资源统一管理和数据共享等方面带来了巨大好处。
1. Hadoop YARN
2 .Hadoop2 MR在Yarn上运行流程
1、YARN:解耦资源与计算
- ResourceManager /RM
主,核心
集群节点资源管理 - NodeManager /NM
向RM汇报资源
管理Container生命周期
计算框架中的角色都以Container表示 - Container:【节点NM,CPU,MEM,I/O大小,启动命令】
默认NodeManager启动线程监控Container大小,超出申请资源额度,kill
支持Linux内核的Cgroup
2、MR :
- MR-ApplicationMaster-Container
作业为单位,避免单点故障,负载到不同的节点
创建Task需要和RM申请资源(Container) - Task-Container
3.、Client:
- RM-Client:请求资源创建AM
- AM-Client:与AM交互
3. YARN
Apache Hadoop YARN (Yet Another Resource Negotiator,另一种资源协调者)是一种新的 Hadoop 资源管理器,它是一个通用资源管理系统,可为上层应用提供统一的资源管理和调度,它的引入为集群在利用率、资源统一管理和数据共享等方面带来了巨大好处。
Hadoop 2.0新引入的资源管理系统,直接从MRv1演化而来的。
核心思想:
将MRv1中JobTracker的资源管理和任务调度两个功能分开,分别由ResourceManager和ApplicationMaster进程实现
ResourceManager:
负责整个集群的资源管理和调度
ApplicationMaster:
负责应用程序相关的事务,比如任务调度、任务监控和容错等
YARN的引入,使得多个计算框架可运行在一个集群中 ,每个应用程序对应一个ApplicationMaster
目前多个计算框架可以运行在YARN上,比如MapReduce、Spark、Storm等
三、MapReduce 原理分析
在MapReduce整个过程可以概括为以下过程:
输入 --> map --> shuffle --> reduce -->输出
流程简介:
通过map task读文件,使用TextInputFormat()方法一次读入整行文件,输入文件会被切分成多个块,每一块都有一个map task。
补充面试问题:
\* block块大小的设置:
\* HDFS中的文件在物理上是分块存储(Block),块的大小可以通过配置参数( dfs.blocksize)来规定,默认大小在Hadoop2.x版本中是128M,老版本中是64M。
\*
\* 为什么是128MB:
\* block块的大小主要取决于磁盘传输速率.
\* 一般hdfs的寻址时间为10ms左右.
\* 当寻址时间为传输时间的1%时为最佳状态,因此传输时间大概在1s左右.
\* 机械硬盘文件顺序读写的速度为100MB/s,普通固态为500MB/s,pcie固态的速度可以达到2000MB/s,因此块的大小可以分别设为128MB,512MB,2048MB.
\*
\* block块的大小主要取决于磁盘传输速率.
\*
\*
\* 先将所有的块读出来 判断能否按照计算机生成的块分割(存在部分块的尾端文件没读完就结束) 通过InputSplit的指针 在最后的位置判断有没有读完
\* 生成逻辑代码块(可能少于或者大于等于128M)
/\*\*
\* extends MyMapper<>
\* 参数:
\* LongWritable 第几行的行号
\* Text 每一行读出的数据 因为 string不能改变大小 拼接序列化比较麻烦(比如拼接int) 所以新写入的一个类,底层是StringBuffer
\* Text 最后输出的每一个 key
\* IntWritable 输出的每一个key的个数
\* /
public class WCMapper extends Mapper<LongWritable,Text,Text, IntWritable> {
private Text out = new Text();
// 每个单词都传输个数为1
private IntWritable one = new IntWritable(1);
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
/\*\*
\* 对参数的几个数据的处理与返回方法
\* value 拿到的每一行的数据 先转成string进行分割
\*/
String[] splits = value.toString().split(" ");
for (String word : splits) {
// 将分割好的 每个string 再转成 text
out.set(word);
// 存储 每一个 key 和 个数
context.write(out,one);
}
}
}
OutPutCollector 将收集到的(k,v)写入到环形缓冲区,然后由缓冲区写到磁盘上。默认的缓冲区大小是100M,溢出的百分比是0.8,也就是说当缓冲区中达到80M的时候就会往磁盘上写。如果map计算完成后的中间结果没有达到80M,最终也是要写到磁盘上的,因为它最终还是要形成文件。
在spill溢出前,会对数据进行分区和排序,即在缓冲区对每个(k,v)键值对hash一个partition值,值相同则在同一个区,同一分区根据key来排序。不同分区在缓冲区根据partition和key值进行排序。
多个溢出的文件再通过merge合并,采用归并排序,合并成一个大的分区且区内有序的溢出文件。
reduce task 根据自己的分区号,到各自的map task节点拷贝相同的partition的数据到reduce task磁盘工作目录,再通过merge归并排序成一个有序的大文件。
public class WCReduce extends Reducer<Text, IntWritable,Text,IntWritable> {
/\*\*
\* 参数:
\* Text :传输过来的key
\* IntWritable : 传输过来的个数
\* Text : 统计的每一个key
\* IntWritable : 统计好的个数
\*/
@Override
protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
/\*\*
\* Iterable<IntWritable> values 可以理解成按key分好组的数组
\*/
int sum = 0;
for (IntWritable num : values) {
sum+=num.get();
}
context.write(key,new IntWritable(sum));
}
}
测试:
public class Mydemo {
public static void main(String[] args) throws Exception {
Job job = Job.getInstance(new Configuration());
// jar 包的入口
job.setJarByClass(Mydemo.class);
// jar 包的名字
job.setJobName("wc");
// 读取文件并用inputSpilt的getSplit方法对文件进行分割生成逻辑区 根据逻辑区的大小开启对应数量的Map Task
FileInputFormat.addInputPath(job,new Path("hdfs://192.168.56.122:9000/data/data.txt"));
// 结果写入的文件夹路径 这个文件夹要没有的自动生成
FileOutputFormat.setOutputPath(job,new Path("hdfs://192.168.56.122:9000/my1"));
//设置对应的Mapper类
job.setMapperClass(WCMapper.class);
//设置Mapper类的输出的key和value类型
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(IntWritable.class);
//设置对应的 Reduce类
job.setReducerClass(WCReduce.class);
//设置对应的Reduce的输出key和value的类型
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
//启动job任务
job.waitForCompletion(true);
}
}
总结:
流程说明如下:
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
779)]
[外链图片转存中…(img-Frc8iZJl-1714987098779)]
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新