Hadoop之MR处理数据基本流程

在启动程序中,FileInputFormat设置数据的输入路径,程序处理的是该路径中的所有文件,

1、如何处理

(1)、该路径中有几个文件就有几个map任务。map任务的个数是根据文件大小和个数来确定的。

(2)、在进行map任务之前,文件中的数据被一行一行的读,形成了K1:一行的起始位置,V1:行内容,这就是map任务被输入的K1,V1。

(3)、行内容V1被一行一行的切割,切割的时候要将这行数据转化成String类型才能进行切割操作,切割后形成的是数组,对数组进行分类,又形成一对一对的K2,V2,将这些K2、V2写入(context.write)一个缓存(内存),这对K2、V2就是reduce任务被输入的KV。

(4)、K2、V2在缓存中又经历了怎样的操作?

a.会根据K2进行分区,有几个reduce任务就分几个区,目的就是分任务,保证相同的k能够分在一个reduce任务中,这样才能保证聚合能够成功。

b.区内排序(默认按照k排序),这样相同的K能够挨在一起。这个结果被写入本地磁盘。

每个文件都会执行上面的步骤。

(5)、假设分了两个区,即有两个reduce任务。0号reduce任务会从磁盘中下载它所需要的文件,即0号分区文件(几个文件就有几个0号分区文件),

a. 假设有三个0号分区文件,reduce任务会将这个三个文件下载后按照k值进行合并排序(相同的K能够挨在一起);

b. 之后进行区内分组,将分组的结果放入迭代器中进行累加。

c .最后将这个k和迭代器中累加的结果写入缓冲区,输出到指定路径。

 

 

 

 

 

 

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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