hadoop (MapReduce流程)

MapReduce 流程图

  一.任务提交启动一些检查（待处理的文件和存放处理后的文件是否存在）

     经过inputFormat （inputformat中产生文件的切片和输出k,v对）

     根据数据来切片（切片的规则  剩余的部分 > 切片的大小 * 1.1），map任务的切分根据数据量的大小。（默认一个块128M），

     mapper执行任务的数量通常由输入的总大小决定（即输入文件的块总数可以切分成几片就有几个mapper任务）。

                          inputformat     简单类实现图       

      

      可以自定义 inputformat 实现类，实现类中具体的方法，或者继承实现类，重写类中的方法，指定具体的分片规则，和输出的k,v对。

      

 二. 框架进行分组，并传递给Mapper.

 

    1） mapper的产生的数据会放到一个环形缓冲区中。在环形缓冲区中会进行：分区，排序

    2）分区：根据reduce任务数量决定mapper产生的数据分几个区（partitioner可以自定义实现分区的规则）。 可以自定义实现分区

             

    3）排序：自定义实现排序  实现  WritableComparable 接口