大数据入门(五)-分布式计算框架MapReduce

---

海量数量离线处理

易开发

易运行

[](()缺点

---

实时流式计算

[](()2 MapReduce编程模型

==============================================================================

[](()wordcount词频统计

---

[](()MapReduce执行流程

============================================================================

• 将作业拆分成Map阶段和Reduce阶段

• Map阶段: Map Tasks

• Reduce阶段、: Reduce Tasks

[](()MapReduce编程模型执行步骤

---

• 准备map处理的输入数据

• Mapper处理

• Shuffle

• Reduce处理

• 结果输 《一线大厂Java面试题解析+后端开发学习笔记+最新架构讲解视频+实战项目源码讲义》无偿开源 威信搜索公众号【编程进阶路】 出

• InputFormat

[](()OutputFormat

OutputFormt接口决定了在哪里以及怎样持久化作业结果。Hadoop为不同类型的格式提供了一系列的类和接口，实现自定义操作只要继承其中的某个类或接口即可。你可能已经熟悉了默认的OutputFormat，也就是TextOutputFormat，它是一种以行分隔，包含制表符界定的键值对的文本文件格式。尽管如此，对多数类型的数据而言，如再常见不过的数字，文本序列化会浪费一些空间，由此带来的结果是运行时间更长且资源消耗更多。为了避免文本文件的弊端，Hadoop提供了SequenceFileOutputformat，它将对象表示成二进制形式而不再是文本文件，并将结果进行压缩。

[](()3 核心概念

=====================================================================

Split

InputFormat

OutputFormat

Combiner

Partitioner

[](()3.1 Split

---

[](()3.2 InputFormat

---

[](()4 MapReduce 1.x 架构

=================================================================================