- MapReduce背景:分布式文件系统HDFS解决了大文件存储问题,但业务代码开发时,还得考虑数据在HDFS的物理分布情况,加重开发者在处理分布式数据时的负担。
- 新技术:MapReduce,屏蔽底层分布式系统运作机制,让开发者更专注于业务开发。
MapReduce设计理念
- 分而治之:MapReduce将大任务分割成多个小任务,这些任务在不同节点上并行执行。
- 计算向数据靠拢:Map任务会尽可能在存储有输入数据块的DataNode上执行,减少数据在网络中的传输。
MapReduce产品架构
下面这个文档介绍了很多流程,我得从因果关系拆分学习后再更新这个文档。