MapReduce工作流程

1.流程示意图 MapReduce详细工作流程(一)

在这里插入图片描述

MapReduce详细工作流程(二)

在这里插入图片描述

流程详解 上面是整个MapReduce最全工作流程,但是Shuffle过程知识从第7步开始到第16步结束，具体Shuffle过程详解： (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默然100M