Hadoop MapReduce V2
MapReduce介绍
MapReduce是一种编程模型,用于大规模数据集(大于1TB)的并行运算。概念"Map(映射)“和"Reduce(归约)”,是它们的主要思想,都是从函数式编程语言里借来的,还有从矢量编程语言里借来的特性。它极大地方便了编程人员在不会分布式并行编程的情况下,将自己的程序运行在分布式系统上。 当前的软件实现是指定一个Map(映射)函数,用来把一组键值对映射成一组新的键值对,指定并发的Reduce(归约)函数,用来保证所有映射的键值对中的每一个共享相同的键组。
一个切片对应一个Map程序,默认情况下,一个块对应一个Map程序;切片是一个窗口机制,人为的可以将一个切片变得很小,引入切片可以解耦一个块对应一个Map程序的关系。reduce的数量由人(参考Map输出数据组数量)来决定。
以一条记录为单位调用一次Map方法,
MR原语
- 输入(格式化k,v)–>map映射成一个中间数据集(k,v)–>reduce
- "相同"的key为一组,调用一次reduce方法,方法内迭代这一组数据进行计算 <