Mapreduce编程

1. MapReduce核心思想

（1）分布式的运算程序往往需要分成只少2个阶段

（2）第一个阶段的MapTask并发实例。完全并行运行，互补相干

（3）第二个阶段的ReduceTask并发实例互不相干，但是他们的数据依赖于上一个阶段的所有MapTask并发实例的输出。

（4）MapReduce编程模型只能包含一个Map阶段和一个Reduce阶段，如果用户的业务逻辑非常复杂，只能多个MapReduce程序，串行运行。

2. MapReduce进程

一个完整的MapReduce程序在分布式运行时有三类实例进程

（1）MrAppMaster：复制整个程序的过程调度及状态协调

（2）MapTask：负责Map阶段的整个数据处理流程

（3）ReduceTask：负责Reduce阶段的整个数据处理流程

3. MapReduce编程规范

用户编写的程序分成三个部分：Mapper、Reduce和Driver

1.Mapper阶段：

（1）用户自定义的Mapper要继承自己的父类

（2）Mapper的数据数据是KV对的形式（KV的类型可自定义）

（3）Mapper中的业务逻辑写在map()方法中

（4）Mapper的输出数据是KV对的形式（KV的类型可自定义）

（5）map()方法（MapTask进程）对每一个<K,V>调用一次

2. Reduce阶段

（1）用户自定义的Reduce要继承自己的父类

（2）Reducer的输入数据类型对应Mapper的输出数据类型，也是KV

（3）Reducer的业务逻辑写在reduce()方法中

（4）ReduceTask进程对每一组相同的k的<k,v>组调用一次reduce()方法

3.Driver阶段

相当于YARN集群的客户端，用于提交我们整个程序到YARN 集群，提交的是封装了MapReduce程序相关运行参数的job对象