1、概述
1、MapReduce 中,mapper 阶段处理的数据如何传递给 reducer 阶段,是 MapReduce 框架中最关键的一个流程,这个流程就叫 Shuffle。
2、Shuffle: 数据混洗 ——(核心机制:数据分区,排序,局部聚合,缓存,拉取,再合并排序)。
3、具体来说:就是将 MapTask 输出的处理结果数据,按照 Partitioner 组件制定的规则分发给 ReduceTask,并在分发的过程中,对数据按 key 进行了分区和排序。
2、主要流程
Shuffle 是 MapReduce 处理流程中的一个核心过程,它的每一个处理步骤是分散在各个 map task 和 reduce task 节点上完成的,整体来看,分为核心 3 个操作:
1、分区 partition(如果 reduceTask 只有一个或者没有,那么 partition 将不起作用。设置没设置都相当于没有)。
2、Sort 根据 key 排序(MapReduce 编程中的 sort 是一定会做的,并且只能按照 key 排序,当然如果没有 reducer 阶段,那么