【Hadoop】MR maptask 工作流程

本文详细介绍了Hadoop MapReduce中MapTask的工作流程,包括从读取数据、映射、分区、排序、合并到数据分组发送的全过程,并提到了1个切片对应1个MapTask的原则,以及在环形缓冲区写满后如何进行数据的临时文件存储和排序。还简要提及了源码中的关键类如Mapper和MapTask。
摘要由CSDN通过智能技术生成

Hadoop-MR maptask 工作流程

RM 整体流程

  1. 读取数据 k1,v1
  2. 数据映射 k2,v2
  3. 数据分区
  4. 分区内排序
  5. 分区内数据合并
  6. 数据分组发送(shuffle)
  7. 数据reduce
  8. 数据输出保存

maptask部分

1个切片对应1个maptask
一般是1个block对应1个切片

  1. 读取对应切片的数据 k1,v1
  2. 进行数据映射 k2,v2
  3. 映射完的数据写入环形缓冲区,同时计算分区键。
  4. 环形缓存区写满80%后,会将数据写入到临时文件,同时进行排序、合并。排序规则先按分区号,后按key。
  5. 数据都处理完后,会将临时文件进行有序合并(以上排序采用了归并排序的设计)
  6. 将最终数据发送至reducetask

流程图

(抽象流程)
image-20201206220110132

源码示例

  1. Mapper
  • org.apache.hadoop.mapreduce
/**
 * Mapper根方法
 * 自己写可以继承该方法
 */
public class Mapper<KEYIN, VALUEIN, KEYOUT, VALUEOUT> {
   
  
  // map 启动函数
  public void run(Context context) throws IOException, InterruptedException {
   
    setup(context);
    try {
   
      while (context.nextKeyValue()) {
   
        // 遍历每一行数据,底层会自动根据 split 和 reader 读取数据
        map(context.getCurrentKey(), context.getCurrentValue(), context);
      }
    } finally {
   
      cleanup(context);
    }
  }
  
  // 数据映射函数
  protected void map(KEYIN key, VALUEIN value, 
                     Context context) throws IOException, InterruptedException {
   
    // 
    context.write((KEYOUT) key, (VALUEOUT) value);
  }
  
  
}
  1. MapTask
  • org.apache.hadoop.mapred
// maptask 核心类
评论
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