MapReduce编程模板及shuffle过程简介

MapReduce运行流程(7步):
作业启动>>>作业初始化>>>任务调度(Yarn)>>>map>>>shuffle>>>reduce>>>作业完成

  • MapReduce将整个并行计算过程抽象到两个函数:
    • Map(映射):对一些独立元素组成的列表的每一个元素进行指定的操作,可以高度并行。
    • Reduce(化简):对一个列表的元素进行合并。
  • 一个简单的MapReduce程序只需要指定map()、reduce()、input和output,剩下的事由框架完成。

  • MapReduce模板
    这里写图片描述
  • MapReduce编程模板类结构图
    这里写图片描述


参考代码:
Mapper处理:

private Text mapOutputKey = new Text();
private LongWritable mapOutputValue = new LongWritable(1);

……

String lineValue = value.toString();
String[] splits = lineValue.split("\t");
for (String split : splits) {
    mapOutputKey.set(split);
    context.write(mapOutputKey, mapOutputValue);
}

educe处理:

private LongWritable outputValue = new LongWritable();

……

long sum = 0;
for (LongWritable value : values) {
    sum += value.get(); 
}
outputValue.set(sum);
context.write(key, outputValue);

Driver设置Map
这里写图片描述
Driver设置Reduce
这里写图片描述


shuffle:shuffle一部分过程发生在map端,一部分发生在reduce端,如下图框选部分
这里写图片描述
Map端shuffle主要包含7部分:

  1. 环形缓存区:默认大小100M mapreduce.task.io.sort.mb
  2. partition分区:HashPartitioner,决定数据交给哪个reduce处理
  3. sort:按照key进行字典顺序排序,为了归约合并
  4. combine(可选):默认情况下相当于map阶段reduce
  5. spill:当环形缓存区容量达到80M(0.8),会把缓存区的数据写入本地磁盘(不是HDFS)临时目录 mapreduce.map.sort.spill.percent
  6. merge:把很多小文件合并成一个大文件
  7. compress(可选):减轻网络IO的压力

Reduce端的shuffle相对简单,每个reduce会从map的输出结果中拉取自己对应的分区数据

  1. merge 合并:key相同的文件进行合并并放置到一起
  2. group 分组:相同key的value值放在一起(list)
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值