MR

==================================
1 切片数量==mapper数量（作业有多少个切片就有多少个maper）
   决定切片大小的因素：
  InputFormat （反射实例化  newInstance）
   从配置文件(maperd-default.xml)里取 SPLIT_MAXSIZE 的值  没有
   minsize=1 maxsize=2的63方-1
   =====================
   块的大小blockSize（128M）minSize（1） maxSize（2的63方-1） 决定
 //默认切片大小和block块的大小相等 切片大小=Math.max(minSize,Math.min(maxSize,blockSize))
 //正常一个切片对应一个块  不需要跨网络读取数据 增加速度
/aaa  
   a.txt 129M  b.txt 1k
 3个block块 3个mapper
 =========================
 shuffle过程：
 1个切片对应一个mapper，mapper将数据写入环形缓冲区 环形缓冲区默认是100M 当达到阈值80%时  会将数据溢写到磁盘（1先分区 2对每个分区数据排序（分区且排序的小文件） 3再合并为一个大文件（相同分区号的数据合并）再排序  分区且排序的大文件）
 2 按照k2合并 向上级领导（MrAppMaster）汇报
 3 reduce（reduce到mapper 端取数据）有个线程  不停的
  0 号reduce  取0号分区的数据
  1号reduce   取1号分区的数据  
  reduce合并  排序  计算  写回到hdfs中
 
 
======================================
1.实现分区的步骤：
    1.1先分析一下具体的业务逻辑，确定大概有多少个分区
    1.2首先书写一个类，它要继承org.apache.hadoop.mapreduce.Partitioner这个类
    1.3重写public int getPartition这个方法，根据具体逻辑，读数据库或者配置返回相同的数字
    1.4在main方法中设置Partioner的类，job.setPartitionerClass(DataPartitioner.class);
    1.5设置Reducer的数量，job.setNumReduceTasks(6);

2.排序MR默认是按key2进行排序的，如果想自定义排序规则，被排序的对象要实现WritableComparable接口，在compareTo方法中实现排序规则，然后将这个对象当做k2，即可完成排序

3.combiner的作用就是在map端对输出先做一次合并，以减少传输到reducer的数据量。

4.MR启动流程
    start-mapred.sh  --> hadoop-daemon.sh --> hadoop --> org.apache.hadoop.mapred.JobTracker
    
    
    Jobtracker调用顺序：main --> startTracker  --> new JobTracker 在其构造方法中首先创建一个调度器，接着创建一个RPC的server（interTrackerServer）tasktracker会通过PRC机制与其通信
然后调用offerService方法对外提供服务，在offerService方法中启动RPC server，初始化jobtracker，调用taskScheduler的start方法 --> eagerTaskInitializationListener调用start方法，
--> 调用jobInitManagerThread的start方法，因为其是一个线程，会调用JobInitManager的run方法 --> jobInitQueue任务队列去取第一个任务，然后把它丢入线程池中，然后调用-->InitJob的run方法
--> jobTracker的initJob方法 --> JobInProgress的initTasks --> maps = new TaskInProgress[numMapTasks]和reduces = new TaskInProgress[numReduceTasks];


    TaskTracker调用顺序：main --> new TaskTracker在其构造方法中调用了initialize方法，在initialize方法中调用RPC.waitForProxy得到一个jobtracker的代理对象
接着TaskTracker调用了本身的run方法，--> offerService方法  --> transmitHeartBeat返回值是（HeartbeatResponse）是jobTracker的指令，在transmitHeartBeat方法中InterTrackerProtocol调用了heartbeat将tasktracker的状态通过RPC机制发送给jobTracker,返回值就是JobTracker的指令
heartbeatResponse.getActions()得到具体的指令，然后判断指令的具体类型，开始执行任务
addToTaskQueue启动类型的指令加入到队列当中，TaskLauncher又把任务加入到任务队列当中，-->  TaskLauncher的run方法 --> startNewTask方法 --> localizeJob下载资源 --> launchTaskForJob开始加载任务 --> launchTask  --> runner.start()启动线程;  --> TaskRunner调用run方法 --> launchJvmAndWait启动java child进程