大数据之认识MapReduce

认识MapReduce

什么是MapReduce？

1. MapReduce 既是一个编程模型，又是一个计算框架。
2. 模型是对事物共性的抽象，编程模型就是对编程的共性的抽象， 最重要的共性就是：程序设计时，代码的抽象方式、组织方式或复用方式。大概是了解了 可以理解为MapReduce 就是一套抽象好的两个函数，一个是Map ，一个是Reduce。我们可以再这两个函数里面填充计算的业务逻辑。
3. 将MapReduce分为Map和Reduce，Map就是将数据进行切分，Reduce就是将数据进行归类。MapReduce计算框架进行分类聚合，Reduce将分类聚合好的数据进行处理计算。

举个列子 统计海量词汇中重复的单词

1. 普通的计算方式，那就运用Map进行统计，使用key放单词，value放count，遇到了就在value +1，但是这对于一个海量的数据，我们不可能全部加到内存中去做，没学过大数据的我想到的就是，分治的思想+ 外排序。这样的话岂不是很慢，一次一次的的从磁盘读取计算，这对于用户来说这也太痛苦了。那就是并发计算，通过多线程计算或者分布式（多进程）计算。

   //随便写一个，不全
   public static void main(String[] args) {
       String text = "Hello my brother";
   
       Map<String, Integer> map = new HashMap<>();
   
       String[] s = text.split(" ");
       for (int i = 0; i < s.length; i++) {
           map.put(s[i], map.containsKey(s[i])? map.get(s[i]) + 1 : 1);
       }
   }
   

2. 现在我们看一段MapReduce的计算的代码

   public class WordCount {
     public static class TokenizerMapper
          extends Mapper<Object, Text, Text, IntWritable>{
   
       private final static IntWritable one = new IntWritable(1);
       private Text word = new Text();
       
       public void map(Object key, Text value, Context context
                       ) throws IOException, InterruptedException {
         StringTokenizer itr = new StringTokenizer(value.toString());
         while (itr.hasMoreTokens()) {
           word.set(itr.nextToken());
           context.write(word, one);
         }
       }
   
     }
   
     public static class IntSumReducer
          extends Reducer<Text,IntWritable,Text,IntWritable> {
       private IntWritable result = new IntWritable();
   
       public void reduce(Text key, Iterable<IntWritable> values,
                          Context context
                          ) throws IOException, InterruptedException {
         int sum = 0;
         for (IntWritable val : values) {
           sum += val.get();
         }
         result.set(sum);
         context.write(key, result);
       }
   
     }
   }
   

   • 我们仔细看下这段代码，其中的核心就是Map函数和reduce函数，map 函数的输入主要是一个 <Key, Value>对，在这个例子里，Value 是要统计的所有文本中的一行数据，Key 在一般计算中都不会用到。
   • map 函数的计算过程是，将这行文本中的单词提取出来，针对每个单词输出一个 <word, 1> 这样的 <Key, Value>对。MapReduce 计算框架会将这些<word, 1> 收集起来，将相同的 word 放在一起，形成<word , <1,1,1,1,1,1,1…>>这样的 数据，然后将其输入给 reduce 函数。

我们看下大佬给的计算流程图：

是不是很清楚了，有无数个数据页面，MapReduce框架将这些数据读取为一行一行的（其实这个读取为一行行的，对于一个通用的框架他怎么做能知道是读取为一行一行的呢？看样子也是自定义的），我们定义的Map函数分别放入Hash表中（其实 这块就可以放我们各种的抽象好的算法逻辑，比如树了等等）然后MapReudce框架将这些数据进行聚合起来，reduce对聚合好的数据进行

计算处理reduce输出计算好的数据，也就是<word,count>。

大概是理解了MapReduce，由于还没有真正的使用Mapreduce所以还不能有真正自己的见解。

通过上面的列子我们约就是映射到我们开头所说的，MapReduce 既是一个编程模型，又是一个计算框架。再结合例子：编程模型就是Reduce 和 Map 这两个通用函数。计算框架就是MapReduce的计算框架，我们的原始数据块需要MapReduce框架处理，这块就可以理解为MapReduce是一个框架（这块太抽象了，我在勉为其难的解释）。

Mapreduce的作用

我们只要遵循 MapReduce 编程模型编写业务处理逻辑代码（编写Map和Reduce里面的函数），就可以运行在 Hadoop 分布式集群上，无需关心分布式计算是如何完成的。也就是说，我们只需要关心业务逻辑，不用关心系统调用与运行环境，这和我们目前的主流开发方式是一致的。

其他人对MapReduce的理解

• 其实，MapReduce中的map在做select/scan，shuffle就是在做groupby，reduce在做aggregation。另外，reduce也用于实现join。

• MapReduce 既是一个编程模型，又是一个计算框架。也就是说，开发人员必须基于 MapReduce 编程模型进行编程开发，然后将程序通过 MapReduce 计算框架分发到 Hadoop 集群中运行。我们先看一下作为编程模型的 MapReduce。

• MapReduce 的编程模型，类似于函数式编程，按照这个模型写出的代码运行在hadoop集群，可以实现分布式计算的效果

大佬的思考： 模型是人们对一类事物的概括与抽象，可以帮助我们更好地理解事物的本质，更方便地解决问题。比如，数学公式是我们对物理与数学规律的抽象，地图和沙盘是我们对地理空间的抽象，软件架构图是软件工程师对软件系统的抽象。通过抽象，我们更容易把握事物的内在规律，而不是被纷繁复杂的事物表象所迷惑，更进一步深刻地认识这个世界。通过抽象，伽利略发现力是改变物体运动的原因，而不是使物体运动的原因，为全人类打开了现代科学的大门。这些年，我自己认识了很多优秀的人，他们各有所长、各有特点，但是无一例外都有个共同的特征，就是对事物的洞察力。他们能够穿透事物的层层迷雾，直指问题的核心和要害，不会犹豫和迷茫，轻松出手就搞定了其他人看起来无比艰难的事情。有时候光是看他们做事就能感受到一种美感，让人意醉神迷。这种洞察力就是来源于他们对事物的抽象能力，虽然我不知道这种能力缘何而来，但是见识了这种能力以后，我也非常渴望拥有对事物的抽象能力。所以在遇到问题的时候，我就会停下来思考：这个问题为什么会出现，它揭示出来背后的规律是什么，我应该如何做。甚至有时候会把这些优秀的人带入进思考：如果是戴老师、如果是潘大侠，他会如何看待、如何解决这个问题。通过这种不断地训练，虽然和那些最优秀的人相比还是有巨大的差距，但是仍然能够感受到自己的进步，这些小小的进步也会让自己产生大大的快乐，一种不荒废光阴、没有虚度此生的感觉。我希望你也能够不断训练自己，遇到问题的时候，停下来思考一下：这些现象背后的规律是什么。有时候并不需要多么艰深的思考，仅仅就是停一下，就会让你察觉到以前不曾注意到的一些情况，进而发现事物的深层规律。这就是洞察力。

我的思考： 能把一个复杂东西，进行抽象整理为一个通用的方法，函数或者显示的一个工具，其原因本质是首先你对这个事物是真的熟悉。能对其进行分层和归类（可以联想我们对业务逻辑的分层，包括DDD思想中的领域模型的创建，也就是一种抽象），我个人认为一切事物都有相同之处，这个相同之处也许在一个事物的最底层。也就想像我们java中的Object 在java中Object 就是一切事物的抽像。（瞎扯：其实我一直都想给Object对象中加一个函数叫verify（）自我检验，虽然说只有有思想的事物才能自我校验，但是代码是人写的，我们赋予给他思想，可以让他自己校验，还有一方面是 我们终会有很多的校验逻辑，很烦，其实真确来说是再DTO有一个base inteface 又一个verify方法所有DTOresult 实现它都得拿到他的第一件事就是verify）。所以个人认为，提高抽象能力，也就是不断去了解和熟悉，提高对事物的认知，然后总结和思考其中的相似之处。最后在某个层面进行抽象。总而言之，一切的来源都是思考，深度思考。