一文让你深入了解MapReduce
标题取得好,阅读量少不了。
定义
M a p R e d u c e MapReduce MapReduce 是一种可用于数据处理的编程模型, M a p R e d u c e MapReduce MapReduce程序本质上是并行运行的,因此可以将大规模的数据分析数据分析分发给任何一个足够多的机器的数据中心。
任务处理的两个阶段
M
a
p
R
e
d
u
c
e
MapReduce
MapReduce 任务过程分成两个阶段处理:Map阶段和Reduce阶段 (就这???) ,每个阶段都以键值对
K
e
y
−
V
a
l
u
e
Key - Value
Key−Value 的形式作为输入和输出,键值对的类型由程序猿自己来决定,此外,
和
M
a
p
和
R
e
d
u
c
e
和Map 和 Reduce
和Map和Reduce 具体业务逻辑也由程序员编写,换句人话说:你需要
和
M
a
p
和
R
e
d
u
c
e
和Map\ 和 \ Reduce
和Map 和 Reduce 做什么,你就写什么。
Map的主要作用
M
a
p
Map
Map:映射过程,把一组数据按照某种
M
a
p
Map
Map 函数映射成新的数据,什么!看不懂?? 通俗的来讲,就是给你一个原始的数据,你把他按照某种操作处理成你需要的东西。
举个栗子:
你要做一个西红柿汤,原始数据给你西红柿,那么你就要对西红柿加工成你需要的一个样子,比如,切成西红柿片,肯定会有杠精说我 T M TM TM就爱煮整个西红柿,小伙你可以去新x方。
Reduce的主要作用
R e d u c e Reduce Reduce:归约过程,把若干组映射结果进行汇总并输出。在用人话讲,就是你得到数据后,在这里加工得到结果。
在举个栗子:
我现在通过上面的 M a p Map Map 得到了西红柿片,现在 R e d u c e Reduce Reduce 就将西红柿加工,比如,直接烧水将西红柿片放进去,然后煮熟了再倒进碗里,至于好不好吃,就看你处理的过程够不够好, Q A Q QAQ QAQ。
Map和Reduce的数据来源
一般来说: M a p Map Map 通过读取 H D F S HDFS HDFS 的数据,然后通过一顿骚操作,将这个数据处理成我们想要的结果后,将这个结果作为$\ Reduce\ $的输入, R e d u c e Reduce Reduce 产生的结果一般会再写回 H D F S HDFS HDFS
图例
WordCount案例——堪称经典
假设有一下对话,需要你统计各个单词出现的数量,我们来使用 M a p R e d u c e MapReduce MapReduce来模拟一下。
what's your name
what
what's your name
Tom Tom Tom
fu*k u Tom
-
M a p Map Map 首先读入每一行数据,然后开始处理业务逻辑,我们这里需要统计各个单词,于是我们可以将每一行通过空格分隔出一个字符数组,我们需要的结果是单词出现的个数,于是我们直接将这个单词数组每个元素作为 k e y key key,以数字 1 1 1 作为 v a l u e value value,
what's: 1 your : 1 name : 1
有人就会问了,这里不需要统计每个出现的个数吗???
R e d u c e Reduce Reduce 活都让你干了,我干啥???
-
所有数据通过 M a p Map Map 处理后结果如下:
what's: 1 your : 1 name : 1 what : 1 what's: 1 your : 1 name : 1 Tom : 1 Tom : 1 Tom : 1 fu*k : 1 u : 1 Tom : 1
-
上面就是 M a p Map Map 的输出结果,在传递给 R e d u c e Reduce Reduce 之前会通过一个 s h u f f l e shuffle shuffle 的过程,它是对数据映射的排序、分组、拷贝。
在这里它会将 k e y key key 相同的分在一起, v a l u e value value 就变成了一个 v a l u e value value 的集合
what's : [1,1] your : [1,1] name : [1,1] what : [1] Tom : [1,1,1,1] fu*k : [1] u : [1]
-
此时上面的数据会作为 R e d u c e Reduce Reduce 的输入,此时 R e d u c e Reduce Reduce 将上去数据加工就可以得到结果,很简单的逻辑,对于每个输入,我们使用一个计数器变量 c o u n t e r counter counter 依次遍历整个 v a l u e s values values 最后将这个 和 k e y 和 c o u n t e r 和 key 和 counter 和key和counter 输出就完成了相应的操作。