一、MapTask详细工作流程
1、Read阶段:客户端通过数据信息形成任务分配的规划,然后将切片信息job.split、jar包、配置文件job.xml上传到yarn,并启动MRAppMaster计算需要启动MapTask的数量。MapTask通过用户编写的RecordReader,将文件解析为一个个的key/value。
2、Map阶段:解析出的key/value会交给用户编写的map()函数处理,并产生一系列新的key/value。
3、Collect阶段:数据通过map()函数处理完成后,会调用OutputCollector.collect()输出结果,并写入一个环形缓冲区中。
4、Spill阶段:溢写阶段,当环形缓冲区满后,MapReduce会将数据写到本地磁盘上,生成一个临时文件。
5、Combine阶段(可选):如果 设置了Combiner,写入文件之前,会对每个分区的数据进行一次聚集操作。
二、ReduceTask详细工作流程
1、copy阶段:ReduceTask从各个MapTask上得到数据(一个ReduceTask会得到不同MapTask中同一个分区的数据)
2、merge阶段:将从Map