Mapreduce文档总结

Mapredurce:
1. 思路: 从数据库开始引申。(例 子:统计车辆信息)。
2. Mapredurce: 分成两大部分: Map ( 并行分开统计 ) , Redurce( 并行汇聚 )。 mapredurce 分成: Maptask和 RedurceTask, 二者之间属于 线性关系 也就是map的输出 等于 redurce的 输入 ,另只有等map并行统计完毕,才 能进行redurce统计。
重点理解:
切片: 一个切片对应一个map程序, 在计算层提出了切片的逻辑描述,一个切 片描述的一个map要处理的文件的数据量的大小。例如:刚才所说的要处理的每一 条记录。 所以说切片是一个窗口机
制,不是一个物理机制,一个切片对应一 个map,其实就是告诉map你要处理的面向文件哪个范围的数据。
在计算机计算层, 切片(逻辑概 念,窗口机制) 的概念是: 这个map要处理一个文件数据量的大小(从哪里开始到哪 里结束)。默认一个切片对应一个块,切 片大小可以调整, 切片由数据特征决定。
计算过程: 切片以记录数为单位, 输出给map,然后map以 K, V 键值对 的形式输出(映射数据集,如:("男",1),("女" ,1)),传输给redurce ,然后 redurce将计算结果累加输出, 相同的key
为一组,每个组中的数据调用一次 redurce方法。 以一条记录数为单位调用一次map方 法,而redurce会以组里面多条记录为输入。
切片会把输入的数据格式化成一条一条的 数据,以一条记录为单位调用一次map。
redurce中融入sort排序,会产生一 个内部有序,外部无序的文件,然后进行归并(相当当于会产生一次IO), 然后再通过IO逐行读取,每读取一次调用一次 redurce,处理过程是出于阻塞状态,然后处理完再读取第二次,也就是相当于调 用一次IO就可以处理完所有的数据。
结论如下:map的数量由切片决定, recurce数量由人来决定。但是人会参考 map输出的组的数量。 进程的数量多,反而性能 下降。
实战项目:
字频统计, 去重, 父子级关系。
  • 3
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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