MapReduce执行流程
---------------------------------------map阶段-------------------------------------------------------
第一步:InputFormat
InputFormat 在HDFS文件系统中读取要进行计算的数据
输出给Split
第二步:Split
Split 将数据进行逻辑切分,切分成多个任务。
输出给RecordReader
第三步:RecordReader
RR 将切分后的数据转换成key value进行输出
key : 偏移量(每行行首字母移动到文本的最前面需要的距离)
value: 每一行数据
输出给Map
第四步:Map
接收一条一条的数据(有多少行数据Map运行多少次,输出的次数根据实际业务需求而定)
根域业务需求编写代码
Map的输出是 key value的 list
输出给Shuffle(partition)
---------------------------------------shuffle阶段-------------------------------------------------------
第五步: partition
partition: 按照一定的规则对 key value的 list进行分区
输出给Shuffle(sort)
第六步:Sort
Sort :对每个分区内的数据进行排序。
输出给Shuffle(Combiner)
第七步:Combiner
Combiner: 在Map端进行局部聚合(汇总)
目的是为了减少网络带宽的开销
输出给Shuffle(Group)
第八步:Group
Group: 将相同key的key提取出来作为唯一的key
将相同key对应的value组装成value 的List作为value
(相同key合并,value形成一个集合)
输出给reduce
------------------------------------reduce阶段--------------------------------------------
第九步:reduce
reduce: 根据业务需求对传入的数据进行汇总计算。
输出给Shuffle(outputFormat)
第十步:outputFormat
outputFormat:将最终的结果写入HDFS