hadoop业务流程 hadoop执行流程图

一、流程示意图

1、MapReduce流程示意图1

2、MapReduce流程示意图2

二、流程示意图详解

• 流程详解
• 上面的流程是整个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。
  1） 缓冲区的大小可以通过参数调整，参数：io.sort.mb默认100M。
• 源码解析流程

context.write(k, NullWritable.get());
	output.write(key, value);
		collector.collect(key, value,partitioner.getPartition(key, value, partitions));
			HashPartitioner();
		collect()
			close()
				collect.flush()
					sortAndSpill()
						sort()   QuickSort
					mergeParts();
	
				collector.close();

三、MapReduce中各个阶段的分析

原文链接：MapReduce中各个阶段的分析

1、示意图

2、在MapReduce的各个阶段详解

• 
  
• 
  
• 
  
• 
  
• ①排序：调用的是快速排序法。
• ②分区：调用的是hashpartitioner分区。达到80%之后会溢写磁盘。
• ③分区中hashpartitioner分区的时候是按照key进行hash取值的。相同的hash值会在一个分区中，取几个分区可以人为设定。
• ④排序的时候的两个依据是partition和key两个作为依据的。同一个partition中是按照key进行排序的。
• 
  
• 在溢写到磁盘之后会merge，归并排序，将多个小文件merge成大文件的。所以合并之后的大文件还是分区，并且分区内部是有序的。
• 
  
• 
  
• 
  
• 最后调用outputformat会将内容写入到文件中。
  
•