Hadoop（13）：MapReduce框架原理之MapReduce工作流程

目录

0. 相关文章链接

1. MapReduce详细工作流程一

2. MapReduce详细工作流程二

3. MapReduce工作流程详解

---

0. 相关文章链接

Hadoop文章汇总

1. MapReduce详细工作流程一

2. MapReduce详细工作流程二

3. MapReduce工作流程详解

如上所示的流程是整个MapReduce最全工作流程，但是Shuffle过程只是从第7步开始到第16步结束，具体Shuffle过程详解，如下：

1. MapTask收集我们的map()方法输出的kv对，放到内存缓冲区中
2. 从内存缓冲区不断溢出本地磁盘文件，可能会溢出多个文件
3. 多个溢出文件会被合并成大的溢出文件
4. 在溢出过程及合并的过程中，都要调用Partitioner进行分区和针对key进行排序
5. ReduceTask根据自己的分区号，去各个MapTask机器上取相应的结果分区数据
6. ReduceTask会抓取到同一个分区的来自不同MapTask的结果文件，ReduceTask会将这些文件再进行合并（归并排序）
7. 合并成大文件后，Shuffle的过程也就结束了，后面进入ReduceTask的逻辑运算过程（从文件中取出一个一个的键值对Group，调用用户自定义的reduce()方法）

注意：

• Shuffle中的缓冲区大小会影响到MapReduce程序的执行效率，原则上说，缓冲区越大，磁盘io的次数越少，执行速度就越快。
• 缓冲区的大小可以通过参数调整，参数：mapreduce.task.io.sort.mb默认100M。

---

注：其他Hadoop相关系列文章链接由此进 -> Hadoop文章汇总

---