MapReduce核心思想
分而治之,先分后和,就是将一个大文件拆分成多个小文件,并行处理,最终进行合并
map负责分 reduce负责合
偏移量
行首字符到文档最前端的字符数量
Suffer包含哪些步骤
partition 分区
Sort 排序
combiner 局部聚合
Group 分组
MR从读取数据到写入hdfs经过哪些步骤
第1步:InputFormat
InputFormat 到hdfs上读取数据
将数据传给Split
第2步:Split
Split将数据进行逻辑切分,
将数据传给RR
第3步:RR
RR:将传入的数据转换成一行一行的数据,输出行首字母偏移量和偏移量对应的数据
将数据传给MAP
第4步:MAP
MAP:根据业务需求实现自定义代码
将数据传给Shuffer的partition
第5步:partition
partition:按照一定的分区规则,将key value的list进行分区。
将数据传给Shuffer的Sort
第6步:Sort
Sort:对分区内的数据进行排序
将数据传给Shuffer的combiner
第7步:combiner
combiner:对数据进行局部聚合。
将数据传给Shuffer的Group
第8步:Group
Group:将相同key的key提取出来作为唯一的key,
将相同key对应的value获取出来作为value的list
将数据传给R