- map task:
读数据:InputFormat–>TextInputFormat 读文本文件
–>SequenceFileInputFormat 读Sequence文件
–>DBInputFormat 读数据库
处理数据:maptask通过调用Mapper类的map()方法实现对数据的处理
分区: 将map阶段产生的key-value数据,分发给若干个reduce task来分担负载,map task调用Partitioner类的getPartition()方法来决定如何划分数据给不同的reduce task
对key-value数据做排序:调用key.compareTo()方法来实现对key-value数据排序
- reduce task:
读数据:通过http方式从maptask产生的数据文件中下载属于自己的“区”的数据到本地磁盘,然后将多个“同区文件”做合并(归并排序)
处理数据:通过调用GroupingComparator的compare()方法来判断文件中的哪些key-value属于同一组,然后将这一组数据传给Reducer类的reduce()方法聚合一次
输出结果:调用OutputFormat组件将结果key-value数据写出去
OutputFormat–>TextOutputFormat写文本文件(分隔符\t)
–>SequenceFileOutputFormat写Sequence文件(直接将key-value对象序列化到文件中)