【Hadoop】MapReduce概述

---

一、MapReduce的定义

MapReduce 是一个分布式计算框架，用于编写分布式应用程序，这些应用程序以可靠，容错的方式并行处理大型硬件集群（数千个节点）上的大量数据（多TB数据集）。

MapReduce 是一种面向海量数据处理的一种指导思想，也是一种用于对大规模数据进行分布式计算的编程模型。

二、MapReduce的优点

1. 易于编程
   Mapreduce 框架提供了用于二次开发的接口；简单地实现一些接口，就可以完成一个分布式程序。任务计算交给计算框架去处理，将分布式程序部署到hadoop集群上运行，集群节点可以扩展到成百上千个。

2. 良好的扩展性
   当计算资源不能得到满足的时候，可以通过简单的增加机器来扩展它的计算能力。

3. 高容错性
   Hadoop集群是分布式搭建和部署的，任何单一机器节点宕机了，它可以把上面的计算任务转移到另一个节点上运行，不影响整个作业任务的完成，过程完全是由Hadoop内部完成的。

4. 适合海量数据的离线处理（ PB 级以上）
   可以实现上千台服务器集群并发工作，提供数据处理能力。

三、MapReduce的局限性

1. 实时计算性能差
   MapReduce主要应用于离线作业，无法作到秒级或者是亚秒级的数据响应。

2. 不能进行流式计算（流式计算特点是数据是源源不断得计算，并且数据是动态的）
   MapReduce作为一个离线计算框架，主要是针对静态数据集得，数据是不能动态变化的。

四、MapReduce核心思想

五、MapReduce进程

一个完整的MapReduce程序在分布式运行时有三类:

1. MRAppMaster：负责整个MR程序的过程调度及状态协调。

2. MapTask：负责map阶段的整个数据处理流程。

3. ReduceTask：负责reduce阶段的整个数据处理流程。