mapperReduce阶段
大概流程图
MapReduce编程规范
用户编写的程序分成三个部分:Mapper、Reducer和Driver。(代码上传到git)
hadoop序列化
java的序列化serializable是一个重量级的序列化框架,序列化后会附带很多额外的信息,不利于高效的网络传输。
hadoop序列化Writable
1 紧凑
2 快速
3 可扩展
4 互操作
编写bean时,实现Writable接口,重写序列化和反序列化方法,
注意:
1 参数一一对应顺序要一致
2 要有无参的构造方法
3 一般要写toString方法 方便查看数据
//序列化方法
public void write(DataOutput out) throws IOException {
out.writeLong(upFlow);
out.writeLong(downFlow);
out.writeLong(sumFlow);
}
//反序列化方法
public void readFields(DataInput in) throws IOException {
upFlow = in.readLong();
downFlow = in.readLong();
sumFlow = in.readLong();
}
如果想要实现bean的排序,作为key传输必须实现Comparable借口,重写compareTo方法,
public int compareTo(FlowBean o) {
// 倒序排列,从大到小
return this.sumFlow > o.getSumFlow() ? -1 : 1;
}
MapReduce框架原理
InputFormat数据输入
MapTask的并行度决定Map阶段的任务处理并发度,进而影响到整个Job的处理速度。map阶段的并行度由切片的数量决定。
两个概念
数据块:Block是HDFS物理上把数据分成一块一块。
数据切片:数据切片只是在逻辑上对输入进行分片,并不会在磁盘上将其切分成片进行存储。
Job提交流程源码和切片源码详解(面试)