前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >MapReduce编程思想通俗理解

MapReduce编程思想通俗理解

作者头像
Albert陈凯
发布2018-04-08 15:08:42
7760
发布2018-04-08 15:08:42
举报
文章被收录于专栏:Albert陈凯

综述

Map(映射)与Reduce(化简)来源于LISP和其他函数式编程语言中的古老的映射和化简操作,MapReduce操作数据的最小单位是一个键值对。用户在使用MapReduce编程模型的时候,第一步就需要将数据抽象为键值对的形式,接着map函数会以键值对作为输入,经过map函数的处理,产生一系类新的键值对作为中间结果输出到本地。MapReduce计算框架会自动将这些中间结果数据按照键做聚合处理,并将键相同的数据分发给reduce函数处理(用户可以设置分发规则)。reduce函数以键和对应的值的集合作为输入,经过reduce函数的处理后,产生了另外一系列键值对作为最终输出。 如果用表达式表示,其过程如下式所示。 {Key1, Value1} → {Key2, List<Value2>} → {Key3, Value3}

简单案例

读者可能觉得上面的描述和表达式非常抽象,那么让我们先来看一个例子。有一篮苹果,一些是红苹果,一些是青苹果,每个苹果有一个唯一编号,如图4-1所示,要解决的问题是统计该篮苹果的数目、红苹果(深色)的个数和青苹果(浅色)的个数。

图4-1 红苹果和青苹果 假设有A、B、C三个人,A获得第一排苹果,B获得第二排苹果,这时,A和B分别统计自己手上的苹果的个数,然后将结果告知C,C将A、B的结果做一次汇总,得到最后结果。对于这个过程,其实用到了MapReduce的思想。我们可以从图4-2看出端倪。

图4-2 用MapReduce的思想完成苹果计数

A的map函数的输入的格式为键值对appleId-count,比如“11-1”表示appleId为11的苹果个数为1,经过map函数的累和,即将所有appleId的count相加,输出为新的键值对AppleCount-6,此时B也进行同样的操作,由于A和B的map函数输出的键值对的键相同,都为“AppleCount”,所以MapReduce框架会将其都分发到C作为reduce函数的输入,并在reduce函数中完成对键相同的值的累和,并输出最后结果AppleCount-12。如果用表达式表示,即为: {appleId, count} → {AppleCount, List<count>} → {AppleCount, count} 在这个例子中,就是用MapReduce的思想来完成苹果计数的问题,细心的读者可能发现,这个例子中reduce函数只执行了一次,是否可以执行多次呢,答案是肯定的,下面来看用MapReduce思想解决对红苹果和青苹果分别计数的问题。 假设有A、B、C、D四个人,A获得第一排苹果,B获得第二排苹果,A将手上的红苹果给C、青苹果给D,B将手上的红苹果给C、青苹果给D。C、D再统计各自手上的结果,得到最后结果,如图4-3所示。

图4-3 用MapReduce完成苹果颜色统计

A的map函数的输入同上次一样,在map函数中,用color和appleId作为新的键值对重新输出,B也做同样的操作。而A、B的map函数的输出的键值对会因为不同的键被分别分发到C和D执行reduce函数,而真正的计数是由reduce函数完成,并输出最后结果。这里reduce函数一共执行了两次,第一次是处理键为Red的数据,第二次是处理键为Green的数据。如果用表达式表示,即为: {appleId, count} → {color, List<appleId>} → {color, count}

总结

要理解MapReduce的编程思想,其核心的一点就是将数据用键值对表示。 在现实生活中,很多数据要么本身就为键值对的形式,要么可以用键值对这种方式来表示,例如电话号码和通话记录,文件名和文件存储的数据等,键值对并不是高端数据挖掘独有的数据模型,而是存在于我们身边非常普通的模型。

利用分而治之的思想,可以将很多复杂的数据分析问题转变为一系列MapReduce作业,利用Hadoop的提供MapReduce计算框架,实现分布式计算,这样就能对海量数据进行复杂的数据分析,这也是MapReduce的意义所在。

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2017.10.20 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 综述
  • 简单案例
  • 总结
相关产品与服务
文件存储
文件存储(Cloud File Storage,CFS)为您提供安全可靠、可扩展的共享文件存储服务。文件存储可与腾讯云服务器、容器服务、批量计算等服务搭配使用,为多个计算节点提供容量和性能可弹性扩展的高性能共享存储。腾讯云文件存储的管理界面简单、易使用,可实现对现有应用的无缝集成;按实际用量付费,为您节约成本,简化 IT 运维工作。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档