Hadoop MapReduce V2

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
<