shuffle过程是MapReduce整个工作流程的核心环节
map : mapShuffle
reduce: reduceShuffle
**1.在Map端的shuffle过程:Map输出的结果首先被写入缓存,当缓存满时,启动溢写(环形缓冲区(100M。80M))操作,把缓存写入磁盘文件,然后清空缓存,
2当启动溢写操作时,首先需要把缓存中的数据进行分区(partition),然后对每个分区进行排序(sort),合并(combine),
3之后再写入磁盘文件,每次溢写操作会生成一个新的磁盘文件,随着Map任务的执行,会有越来越多的磁盘文件,然后通知相应的Reduce来领取属于自己的数据
**2.在Reduce端的shuffle过程,Reduce任务领回属于自己的数据后,然后对数据进行归并(Merge)然后交给Reduce处理
2.Map端的shuffle
**Map端的shuffle包括四个步骤
- 输入数据和执行Map任务:Map输入的数据一般保存在HDFS文件块中,这些文件块的格式可以是任意的
- 写入缓存:每个Map任务都会被分配一个缓存,Map输出的结果不是立即写入磁盘,而是首先写入缓存,积累一定缓存后,再一次性批量写入磁盘,这样可以大大减少对磁盘IO的影响,因为每次磁盘寻址开销很大,在写入缓存之前,键值对都会被序列化成字节数组
- 溢写(分区,排序,合并):提供给MapReduce的缓存容量是有限的,默认大小100MB,