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中shuffle阶段概述及计算任务流程

MapReduce中shuffle阶段概述及计算任务流程

作者头像
大数据梦想家
发布2021-01-22 16:19:45
6520
发布2021-01-22 16:19:45
举报

在小菌上一篇博客《什么是MapReduce(入门篇)》中,小菌已经为大家介绍了MapReduce的相关概念介绍。其中谈到了MapReduce主要由Map和Reduce两个过程组成!事实上,为了让Reduce可以并行处理Map的结果,需要对Map的输出进行一定的分区(Partition),排序(Sort),合并(Combine),分组(Group)等操作,得到<key,value-list>形式的中间结果,再交给对应的Reduce 进行处理,这个过程也就是小菌需要为大家介绍的,叫做Shuffle(混洗)!

先让我们来看下Shuffle阶段的四个操作的具体功能演示(下图的3~6步操作)。

在这里插入图片描述
在这里插入图片描述

是不是有点丈二和尚——摸不着头脑,不要着急,让小菌来告诉大家更详细的步骤过程!

第5步:对输出的key,value对进行分区。相同key的数据发送到同一个reduce里面去,相同key合并,value形成一个集合 第6步:对不同分区的数据按照相同的key进行排序 第7步:对分组后的数据进行规约(combine操作),降低数据的网络拷贝(可选步骤) 第8步:对排序后的额数据进行分组,分组的过程中,将相同key的value放到一个集合当中

下面小菌将为大家介绍MapReduce的整个任务执行过程!(由于空间有限,2,3步骤过程较为抽象,只做文字说明)

在这里插入图片描述
在这里插入图片描述

具体每步的详细流程如下:

第1步:InputFormat InputFormat 到hdfs上读取数据 将数据传给Split 第2步:Split Split将数据进行逻辑切分, 将数据传给RR 第3步:RR(RecordReader) RR:将传入的数据转换成一行一行的数据,输出行首字母偏移量和偏移量对应的数据 将数据传给MAP 第4步:MAP MAP:根据业务需求实现自定义代码 将数据传给Shuffle的partition 第5步:partition partition:按照一定的分区规则,将key value的list进行分区。 将数据传给Shuffle的Sort 第6步:Sort Sort:对分区内的数据进行排序 将数据传给Shuffle的combiner 第7步:combiner combiner:对数据进行局部聚合。 将数据传给Shuffle的Group 第8步:Group Group:将相同key的key提取出来作为唯一的key, 将相同key对应的value获取出来作为value的list 将数据传给Reduce 第9步:Reduce Reduce:根据业务需求进行最终的合并汇总。 将数据传给outputFormat 第10步:outputFormat outputFormat:将数据写入HDFS

本次关于MapReduce计算任务流程的的介绍就到这里了,关于流程中shuffle阶段的Partition分区算法以及split的逻辑切分规律,小菌会在后续的博客中为大家解答,感兴趣的小伙伴们记得关注小菌哟!٩(๑❛ᴗ❛๑)۶

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:2019-11-14 ,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
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