MapReduce原理及编程

一.什么是MapReduce

1.MapReduce是一个分布式计算框架

  • 将大型数据操作分解成可以跨服务器集群并行执行的单个任务
  • 起源于Google
  • 适用于大规模数据处理场景:每个节点处理存储在该节点的数据
  • 每个job包含Map和Reduce两部分

2.MapReduce的设计思想

  • 分而治之:简化并行计算的编程模型
  • 构建抽象模型: Map和Reduce
  • 异常系统细节

3,MapReduce的特点

3.1优点

  • 易于编程
  • 可扩展性
  • 高容错性
  • 高吞吐量
    3.2不适用领域
  • 难以实时计算
  • 不适用于流式计算
  • 不擅长DAG(有向图)计算:
    多个应用程序存在依赖关系,后一个程序的输入为前一个程序的输出,在这种情况下,MapReduce并不是不能做,而是使用后,每一个 MapReduce作业的输出结果都会写入磁盘,会造成大量的磁盘IO,导致性能非常的低下.

二.常用数据序列化类型

java类型Hadoop Writable类型
booleanBooleanWritable
byteByteWrtiable
intIntWritable
floatFloatWritable
longLongWtitable
doubleDoubleWritable
StringText
mapMapWritable
arrayArrayWritable

三.MapReduce编程规范

1.Mapper阶段

  • 用户自定义的Mapper要继承自己的父类
  • Mapper的输入数据是KV对的形式(KV的类型可自定义)
  • Mapper中的业务逻辑写在map()方法中
  • Mapper的输出数据是KV对的形式(KV的类型可自定义)
  • map()方法(MapTask进程)对每一个<K,V>只调用一次

2.Reducer阶段

  • 用户自定义的Reducer要继承自己的父类
  • Reducer的输入数据类型对应Mapper的输出数据类型,也就是KV
  • Reducer的业务逻辑写在reduce()方法中
  • ReduceTask进程对每一组相同K的<K,V>组调用一次reduce()方法

3.Driver阶段

相当于YARN集群的客户端,用于提交我们整个程序到YARN集群,提交的是封装了MapReduce程序相关运行参数的job对象

在这里插入图片描述

四.MapReduce核心编程思想

以统计文件(两个文件,一个200MB,一个100Mb)中每一个单词出现的总次数为例说明
在这里插入图片描述

五.MapReduce执行过程

在这里插入图片描述

六.MapReduce编程模型

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值