文章目录

流程图

Map阶段

【MapReduce】MR 框架原理 之 工作流程_mapreduce

Reduce阶段

【MapReduce】MR 框架原理 之 工作流程_自定义_02

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。缓冲区的大小可以通过参数调整，参数：​​io.sort.mb 默认100M​​。

这部分的流程步骤不是很难，主要是理解每一步骤的内部核心是要具体实现什么？为什么？需要再好好深入思考理解。