提交mapreduce任务命令 如何提交一个mapreduce任务

MapReduce流程

 

1. job的submit()方法创建一个Jobsubmmiter实例，调用submitJobInternal()方法。
2. 资源管理器收到调用它的submitApplication()消息后，将请求传递给YARN调度器。调度器分配一个容器，然后资源管理器在节点管理器的管理下在容器启动application master的进程。application master接受来自任务的进度和完成报告，保持对作业进度的跟踪来完成对作业的初始化。接下来接受来自共享文件系统 在客户端计算的输入分片，对每一个分片创建一个map任务对象以及多个rudece任务对象（任务id在此时分配）。如果是小作业就在同一个JVM上运行任务（uber任务）。
3. 任务分配：如果不是小作业，application master会为作业中的map任务和reduce任务向资源管理器请求容器。请求为任务指定内存需求和cpu数。
4. 任务执行：分配容器后，application master通过与节点管理器通信来启动容器。该任务由主类为YarnChild的一个java应用程序执行。它在运行任务之前，先将资源本地化（配置 jar文件 所有来自分布式缓存的文件），最后运行map或reduce任务。
5. 作业完成：application maste收到作业最后一个任务的完成消息后，把作业状态设为“成功”。Job轮询状态后打印消息由waitForCompletion()返回。最后作业完成时，application master和任务容器会清理工作状态，OutputCommitter 的commitJob()方法被调用。作业信息由作业历史服务器存档。

Shuffle

Mapreduce确保每个reducer的输入都是按键排序。系统执行排序、将map输出作为输入传给reducer的过程称为shuffle。

 

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）