Hadoop 之 MapReduce

MapReduce 过程细节分析

1/  map阶段结果<key, value>传递给reduce阶段时, 默认是按照key中ASCII 排序的，若key 被构造成bean，则需要制定bean的compareTo方法，此时bean对应的class需要实现writableComparable接口。

 

2/ reduce阶段，将map阶段结果<key, value>进行处理，默认ReduceTasks的数量为1。若将map结果进行分组处理，则需要告知分组的方法，即写一个class要extends Partitioner , 并override getPartitioner 方法，还需定义ReduceTask 数量。

• 设置reduce的任务并发数为6，应该跟分组的数量保持一致
•  job.setNumReduceTasks(6);     

设置Task 数量大于6，任务可以执行，多余的任务不能分配到数据而已

设置Task 数量小于6，任务不可以执行，数据分配不到预定的任务中因此报错！

设置Task 数量等于1，任务可以执行，所有的数据均分到第一个任务中。

 

3/ map task 的并发数使用切边split的数量决定的，有多少个切片就有多少个map task，切片是一个逻辑概念，是指文件数据的偏移量范围，切片的具体大小根据所处理的文件大小来调整。若文件很小，一个split对应多个block，若文件较大，则一个split对应一个block。