随手记点-mapreduce5

1.Reduce Task阶段包括几个阶段？各个阶段又负责怎样的工作？

答：Reduce Task包括了copy phase，sort phase和reduce phase。copy阶段将所有分散在其他机器上的map处理过的数据收集过来；sort阶段将这么多的输入文件组织成KV对；reducer阶段负责处理数据。
下面是reducer运行的代码：

  //在类初始化的时候，
  setPhase(TaskStatus.Phase.SHUFFLE);

  //之后运行的run函数
  public void run(...){
    //copyPhase
    copyPhase.complete();// copy is already complete//sortPhase
    sortPhase.complete();// sort is complete
    runNewReducer(...);
  }
  void runNewReducer(... ) {
    //初始化输入、reducer、输出对象
    reducer.run(reducerContext);
  }

---

2.reduce的输入又是从何而来？

答：简单而言，reduce的输入来源于map的输出。这样说其实过于简单了，忽略了许多具体实现的细节。说的详细点，reduce的数据输入是通过驻在reducer节点上的HTTP server通过HTTP来从不同的spill文件中获取自己的map输出结果，在把获取的map结果放在内存或本节点下的磁盘下。reducer的这个阶段也就是Copy Phase，下面会进行详细的分析。

---

3.Copy Phase阶段是怎样工作的？

答：首先判断是不是在local执行模式下，如果不是local执行的模式，则需要使用ReduceCopier从其他机器上将map处理完的数据复制过来。fetchOutputs方法是复制数据的主要实现。

 //ReduceTask中的run方法部分代码
    boolean isLocal = "local".equals(job.get("mapred.job.tracker", "local"));
    if (!isLocal) {
      reduceCopier = new ReduceCopier(umbilical, job, reporter);
      if (!reduceCopier.fetchOutputs()) {
        if(reduceCopier.mergeThrowable instanceof FSError) {
          throw (FSError)reduceCopier.mergeThrowable;
        }
        throw new IOException("Task: " + getTaskID() +" - The reduce copier failed", reduceCopier.mergeThrowable);
      }
    }

在copy阶段，Reduce任务通过HTTP向各个Map任务拖取它所需要的数据。每个节点都会启动一个常驻的HTTP server，其中一项服务就是响应Reduce拖取Map数据。当有MapOutput的HTTP请求过来的时候，HTTP server就读取相应的Map输出文件中对应这个Reduce部分的数据通过网络流输出给Reduce。Reduce任务拖取某个Map对应的数据，如果在内存中能放得下这次数据的话就直接把数据写到内存中。Reduce要向每个Map去拖取数据，在内存中每个Map对应一块数据，当内存中存储的Map数据占用空间达到一定程度的时候，开始启动内存中merge，把内存中的数据merge输出到磁盘上一个文件中。如果在内存中不能放得下这个Map的数据的话，直接把Map数据写到磁盘上，在本地目录创建一个文件，从HTTP流中读取数据然后写到磁盘，使用的缓存区大小是64K。拖一个Map数据过来就会创建一个文件，当文件数量达到一定阈值时，开始启动磁盘文件merge，把这些文件合并输出到一个文件。有些Map的数据较小是可以放在内存中的，有些Map的数据较大需要放在磁盘上，这样最后Reduce任务拖过来的数据有些放在内存中了有些放在磁盘上，最后会对这些来一个全局合并。

---

4.Sort Phase阶段是怎样工作的？

答：因为从map端拿到的数据都是文件，需要在sort阶段将这些文件中的数据封装成kv。下面是具体的实现：

//ReduceTask中的run方法
    final FileSystem rfs = FileSystem.getLocal(job).getRaw();
    RawKeyValueIterator rIter = isLocal
      ? Merger.merge(job, rfs, job.getMapOutputKeyClass(),
          job.getMapOutputValueClass(), codec, getMapFiles(rfs, true),
          !conf.getKeepFailedTaskFiles(), job.getInt("io.sort.factor", 100),
          new Path(getTaskID().toString()), job.getOutputKeyComparator(),
          reporter, spilledRecordsCounter, null)
      : reduceCopier.createKVIterator(job, rfs, reporter);

    // free up the data structures
    mapOutputFilesOnDisk.clear();
    sortPhase.complete();

---

5.Reduce Phase阶段是怎样工作的？

答：利用setup()的方法做了一些配置，默认是空；再不断的读取下一个(K,List)，并交给reduce一个一个KV来处理。默认的reduce方法就是什么都不做，输入和输出时一样的；getCurrentKey()和getCurrentValue()是对输入的封装；write方法是对输出对象的封装。下面显示的reduce阶段的核心代码：

  public void run(Context context) throws IOException, InterruptedException {
        setup(context);
        while (context.nextKey()) {
          reduce(context.getCurrentKey(), context.getValues(), context);
       }
        cleanup(context);
    }
    //默认的reduce方法
    protected void reduce(KEYIN key, Iterable<VALUEIN> values, Context context
                          ) throws IOException, InterruptedException {
        for(VALUEIN value: values) {
          context.write((KEYOUT) key, (VALUEOUT) value);
        }
    }

---

6.reduce也只能处理一个键值对，那么框架中是如何不断的使用reduce来处理多个键值对的？

答：从上面的代码可以看出有一个while(context.nextKey())的循环来不断的读取下一个(k, List)，并不断地交给reduce一个kv一个kv来处理。

---

7.copy phase具体由几个方面构成？各个方面的作用是什么？

答：copy phase主要包括了fetchOutputs,GetMapEventThread,MapOutputCopier,InMemFSMergeThread,LocalFSMerge。其中

• fetchOutputs
  
  • 由mainThread控制，主要负责管理整个获取数据的流程；
  • 在开始时启动线程，完成后变释放资源；
  • 将已获取数据的记录删除，并同时添加新的完成了的MapTask。
• GetMapEventThread
  
  • 负责从Task Tracke中不断获取MapTask的完成情况，并将已完成的MapTask放到自己的记录中。
• MapOutputCopier
  
  • 负责从已完成的MapTask中获取数据，大文件保存在硬盘中，小文件保存在内存中。
• InMemFSMergeThread
  
  • 负责在缓冲区达到一定阈值时，将内存中的数据写入硬盘以减少内存的占用。
• LocalFSMerger
  
  • 负责在硬盘上的merge过程，负责在文件较多的情况下将硬盘中的文件进行merge以减少文件 的个数。

---

8.sort phase需考虑几个方面的影响？又是怎么做到排序和封成KV对的？

答：因为在copy phase过程中会根据mapout文件的大小将文件分别放在内存和硬盘上。在这两种不同的介质上显然不是有序的，那么在sort phase就必须解决同时处理不同的介质并且有序的问题。所以sort phase采用了MergeQueue进行边排序变输出，此时仍需满足磁盘上的文件个数小于io.sort.factors设定的10，超过10个则进行merge操作。并且内存中的数据年小于最大可用内存的mapred.job.reduce.input.buffer.percent。由于有些文件在硬盘上，利用RawKVIteratorReader将硬盘中的文件封装成KV形式才能让reduce来读取。

---