大数据第四天——MapReduce原理及IDEA Maven下WordCount实例两种实现

1.MapReduce概述

HDFS实现了分布式文件存储，存储问题解决了，我们就需要考虑如何对数据进行处理，MapReduce是一个计算框架（编程模型），基于该计算框架，可以很容易的编写数据处理程序，从而以较高的效率处理海量数据集。

MR框架对于程序员的最大意义在于，不需要掌握分布式计算编程，不需要考虑分布式编程里可能存在的种种难题，比如任务调度和分配、文件逻辑切块、位置追溯、工作。这样，程序员能够把大部分精力放在核心业务层面上，大大简化了分布式程序的开发和调试周期。

2.MapReduce的设计思想

MapReduce的设计思想简单概括而言，就是“分而治之”。整个MapReduce阶

段分为两大部分，分别是Map、Reduce。

（1）map负责“分”，即把复杂的任务分解为若干个“简单的任务”来处理。“简单的任务”包含三层含义：一是数据或计算的规模相对原任务要大大缩小；二是就近计算原则，即任务会分配到存放着所需数据的节点上进行计算；三是这些小任务可以并行计算，彼此间几乎没有依赖关系。

（2）reducer负责”合”，即对map阶段输出的处理结果进行汇总。

3.MapReduce组成架构

 

 

在MapReduce程序进行计算时，需要yarn进行资源管理，yarn主要分为ResourceManager和NodeManager两部分。

ResourceManager是一个全局的资源管理器，ResourceManager控制整个集群并管理程序向集群其他DataNode进行资源的分配。

NodeManager是每个DataNode节点上的资源和任务管理器，一方面，它会定时地向ResourceManager汇报本节点上的资源使用情况以及运行状态；另一方面，它接收并处理来自ResourceManager