hadoop的shuffle

Shuffle
1、每个map有一个环形内存缓冲区，用于存储任务的输出。默认大小100MB(io.sort.mb属性),一但达到阀值0.8(io.sort.spill.percent),一个后台线程把内容写到(spill)磁盘的指定目录(mapred.local.dir)下的新建的一个溢出写文件。
2、写磁盘前，要partition，sort。如果有combine，combine排序后数据。
3、等最后记录写完，合并全部溢出写文件为一个分区且排序的文件。


1、Reducer通过Http方式得到输出文件的分区。
2、TaskTracker为分区文件运行Reduce文件。复制阶段把Map输出复制到Reducer的内存或磁盘。一个Map任务完成，Reduce就开始复制输出。
3、排序阶段合并map输出。然后走Reduce阶段。