1.Map端
1首先将一个待处理文本进行分片,至于如何进行分片,以及分片规划,都在我的博客Mapreduce本地提交debug源码剖析
2客户端将切片信息提交至Yarn,ApplicationMaster会进行数据切分,默认将每个split划分为一个maptask。
3通过FIleInputFormat 获取RecordReader,(实现类默认是TextInputFormat)进行对数据逻辑处理,每个MapTask会调用一个map方法,将本MapTask范围内的数据处理之后形成<K,V>
4.将<K,V>数据经过outCollecter收集器向环形缓冲区写入。
5.在环形缓冲区内,但达到阀值(默认100M) 80%,会进行溢出至磁盘。
6.溢出后的数据进行分区(默认:将数据的hashcode排序),排序(快速排序)
7.在此,可以进行一次优化,进行本地的reduce,即 combiner合并数据
8.之后进行一次归并排序。
reduce端
1.当map端完成之后,applicationMaster会启动相应的reducetask,并说明每个reducetask的数据处理范围。
2.将数据下载值reducertask的本地磁盘,并进行合并文件以及归并排序
3.在此亦可以进行分组,之后通过reduce方进行逻辑处理。
4.通过OutputFormat(默认实现类是TextOutputFormat)写入hdfs.