***
mapreduce的工作流程
Shuffle机制:
- Shuffle机制:
- Map 方法之后Reduce方法之前这段处理过程叫Shuffle
- Map方法之后,数据首先进入分区方法,把数据标记好分区,然后把数据发送到环形缓冲区;唤醒缓冲区的默认大小为100M,环形缓冲区达到80%时,进行溢写;溢写前对数据进行排序,排序按照对key的索引进行字典顺序排序,排序的手段快排;溢写产生大量溢写文件,需要对溢写文件进行归并排序;对溢写文件也可以进行Combiner操作,前提是汇总操作,求平均值不行,最后讲文件按照分区存储到磁盘,等待Reduce端拉取。
- 每个Reduce拉取Map端对应的分区数据,拉取数据后先存储到内存中,内存不够了,再存储到磁盘。拉取完所有的数据后,采取归并排序将内存和磁盘中的数据进行排序。在进入Reduce方法前,可以对数据进行分组操作。