MapReduce概述

1、MapReduce的优缺点

1.1 优点

• MapReduce易于编程

• 良好的扩展性

  当计算资源不能得到满足的时候，你可以通过简单的增加机器来扩展它的计算能力。

• 高容错性

  MapReduce设计的初衷就是使程序能够部署在廉价的PC机器上，这就要求它具有很高的容错性。比如其中一台机器挂了，它可以把上面的计算任务转移到另外一个节点上运行，不至于这个任务运行失败，而且这个过程不需要人工参与，而完全是由Hadoop内部完成的。

• 适合PB级以上海量数据的离线处理

  可以实现上千台服务器集群并发工作，提供数据处理能力。

1.2 缺点

• 不擅长实时计算

  MapReduce无法像MySQL一样，在毫秒或者秒级内返回结果。

• 不擅长流式计算

  流式计算的输入数据是动态的，而MapReduce的输入数据集是静态的，不能动态变化。这是因为MapReduce自身的设计特点决定了数据源必须是静态的。

• 不擅长DAG（有向无环图）计算

  多个应用程序存在依赖关系，后一个应用程序的输入为前一个的输出。在这种情况下，MapReduce并不是不能做，而是使用后，每个MapReduce作业的输出结果都会写入到磁盘，会造成大量的磁盘IO，导致性能非常的低下。

2、MapReduce进程

三类实例进程：

• MrAppMaster：负责整个程序的过程调度及状态协调。
• MapTask：负责Map阶段的整个数据处理流程。
• ReduceTask：负责Reduce阶段的整个数据处理流程。

3、常用数据序列化类型

Java类型	Hadoop Writable类型
Boolean	BooleanWritable
Byte	ByteWritable
Int	IntWritable
Float	FloatWritable
Long	LongWritable
Double	DoubleWritable
String	Text
Map	MapWritable
Array	ArrayWritable
Null	NullWritable