1-InputFormat
从文件中读取数据,转换成key-value格式。
getSplits 获取文件的逻辑切片数,开启对应个数的mapper实例。
create RecordReader 用来读取记录,调用此方法一条一条的读记录。
2-Mapper
读取InputSplit的每个key-value 并对其进行处理
setup 初始化
cleanup 释放资源
map 映射转换,每一个k-v调用一次map方法
run 循环读取k-v数据,调用map方法进行映射转换
3-Shuffle
Shuffle 在Mapper工作之后,Reader工作之前的中间环节
分区 Partitioner
排序 WritableComparable
预聚合 Combiner
分组排序 GroupingComparator
4-Reducer
对shuffle处理之后的k-v进行归并处理
setup 初始化
cleanup 释放资源
reduce 归约| 合并 对相同的key调用一次reduce方法
run 循环调用reduce方法处理所有的k-v数据
5-OutputFormat
输出Reducer处理的结果数据
checkOutputSpces 在Job Client 提交Job之前被调用的用于检测Job的输出路径。
getRecordWriter 用于返回一个RecordWriter 的实例,reduce任务在执行的时候就是利用这个实例来输出key/value的。
getOutputCommitter 用于返回一个OutputCommitter 的实例,OutputCommitter用于控制Job的输出环境。