如上图,如果我HDFS中,word目录下有这四个文件,那么它能分为几个切片呢???
**** MapTask的数量=切片数量
切块也分为两种
一种是物理切块,一种是逻辑切块
前者是将文件真正的变成文件块
后者是用对象来封装每个文件块的信息,比如文件夹的起始位置、和长度。这样的来分切块的作用,假如我一个文件是129M,那么我第二个切块一定是从这个文件的128M之后开始查找数据
后来,为了区分这两种这两种切块方式,把逻辑切块叫做切片。
再来说说ReduceTask ???
每一个ReduceTask对应的是一个分区
那么,何为分区思想???
就是要确保相同的key落到同一个分区(ReduceTask)里面,然后才能按照相同的key合并。
那么,何为分区算法???
为了让Mapper中相同的key,传输进入同一个分区
下面来总结一下:
MapReduce框架是一个分布式的计算框架,体现在一个job任务可以用多个MapTask、ReduceTask来分布式处理文件。ReduceTask的默认数量是1,可以通过代码设置
还有一点,Mapper组件和MapTask的关系? Mapper组件中代码决定了MapTask如何处理文件数据
同理,Reducer组件决定了ReduceTask如何设置分区