1.输入数据接口:InputFormat
(1)默认使用的实现类是:TextInputFormat
(2)TextInputFormat的功能逻辑是:一次读一行文本,然后将该行的起始位置偏移量作为key,行内容作为value返回。
(3)CombineTextInputFormat可以把多个小文件合并成一个切片处理,提高处理效率。
2.逻辑处理接口
用户根据业务需求实现其中三个方法:map() 、setup()、cleanup()。
3.Partition分区
(1)有默认实现HashPartitioner,逻辑是根据key的哈希值和numReduces来返回一个分区号,即:key.hashCode()Interger.MAXVALUE%numReduces。
(2)如果业务上有特别的需求,也可以自定义分区。
4.Comparable排序
(1)当我们用自定义的对象作为key来输出时,就必须要实现WritableComparable接口,重写其中的compareTo()方法。
(2)部分排序:对最终输出的每一个文件进行内部排序。
(3)全排序:对所有的数据进行排序,通常只有一个Reduce。
(4)二次排序:排序的条件有两个。
5.Combine合并
Combiner合并可以提高程序的执行效率,减少IO传输造成的资源紧张,但是使用时必须不能影响原有的业务处理结果,即用与不用Combiner的结果无异。
6.逻辑处理接口:Reducer
用户根据业务需求实现其中的三个方法:reduce()、setup()、cleanup()。
7.输出数据接口:OutputFormat
(1)默认实现类是TextOutputFormat,功能逻辑是:将每一个k,v键值对,向目标文本文件输出一行。
(2)将SequenceFileOutputFormat输出作为后续的MapReduce任务的输入,这便是一种的好的输出格式(二进制),因为它的格式紧凑,很容易被压缩。
(3)用户还可以自定义OutputFormat。