MapReduce技術(shù)深入理解

1、技術(shù)創(chuàng)新，變革未來(lái)MapReduce技術(shù)深入理解內(nèi)容MapReduce 編程模型MapReduce內(nèi)部邏輯MapReduce輸入格式 MapReduce輸出格式MapReduce1運(yùn)行機(jī)制MapReduce 編程模型（1）以WordCount為例，很多MR程序都可以套用 WordCount的思路，如電商網(wǎng)站中統(tǒng)計(jì)最流行的N 個(gè)搜索詞，幫助優(yōu)化搜索詞提示MapReduce 編程模型（2）map和reduce函數(shù)遵循如下常規(guī)格式：map 函數(shù)將每個(gè)單詞轉(zhuǎn)化為key/value對(duì)輸出，這里key為 每個(gè)單詞，value為詞頻1。(k2,v2)是 map 輸出的key/value 中間結(jié)果對(duì)。redu

2、ce 將相同單詞的所有詞頻進(jìn)行合并，比如將單詞k2，詞頻為list(v2)，合并為(k3,v3)。reduce 合并完之后，最 終輸出一系列(k3,v3)鍵值對(duì)MapReduce內(nèi)部邏輯（1）MapReduce內(nèi)部邏輯（2）Split：HDFS 中的數(shù)據(jù)以 Split 方式作為 MapReduce 的 輸入Block 是 HDFS 術(shù)語(yǔ)，Split 是 MapReduce 術(shù)語(yǔ)通常1個(gè) Split 對(duì)應(yīng)1個(gè) block，也可能對(duì)應(yīng)多個(gè)block，具 體是由 InputFormat 和壓縮格式?jīng)Q定的默認(rèn)情況下，使用的是 TextInputFormat，這時(shí)1個(gè)Split對(duì) 應(yīng)1個(gè)block，上圖

3、4個(gè)Split對(duì)應(yīng)4個(gè)BlockMapper解析出的數(shù)據(jù)輸出到本地磁盤(pán)上MapReduce內(nèi)部邏輯（3）Map階段由一批同時(shí)運(yùn)行的Map Task 組成，每個(gè) Map Task由3個(gè)部分組成：InputFormat：對(duì)輸入數(shù)據(jù)格式進(jìn)行解析，默認(rèn)為T(mén)extInputFormat，key代表每行偏移量，value代表每行數(shù) 據(jù)內(nèi)容。Mapper：輸入數(shù)據(jù)處理Partitioner：數(shù)據(jù)分組， Mapper 的輸出key會(huì)經(jīng)過(guò) Partitioner 分組選擇不同的Reduce。默認(rèn)Partitioner 會(huì)對(duì) map 輸出的key進(jìn)行hash取模，比如有6個(gè)Reduce Task， 它就是模（mo

4、d）6，如果key的hash值為0，就選擇第0個(gè) Reduce Task。這樣不同的map 對(duì)相同key，它的 hash 值 取模是一樣的MapReduce內(nèi)部邏輯（4）Reduce 階段由一批同時(shí)運(yùn)行的 Reduce Task 組成，每個(gè)Reduce Task由4個(gè)部分組成：Shuffle： Reduce Task 遠(yuǎn)程拷貝每個(gè) map 處理的結(jié)果，從每個(gè) map 中讀取一部分結(jié)果，每個(gè) Reduce Task 拷貝哪 些數(shù)據(jù)，是由 Partitioner 決定的Sort：讀取完數(shù)據(jù)后，會(huì)按照key排序，相同的key被分到 一組Reducer：數(shù)據(jù)處理，以WordCount為例，對(duì)相同的ke

5、y計(jì)詞頻數(shù)OutputFormat：數(shù)據(jù)輸出格式， Reducer 的結(jié)果將按照 OutputFormat 格式輸出，默認(rèn)為 TextOutputFormat ，以 WordCount為例，這里的key為單詞，value為詞頻數(shù)MapReduce 內(nèi)部邏輯（5）緩沖區(qū)默認(rèn)為100M，由io.sort.mb屬性控制緩沖區(qū)快要溢出時(shí)（默認(rèn)為緩沖區(qū)大小的80%，由 io.sort.spill.percent屬性控制），寫(xiě)磁盤(pán)，最后合并， reduce端也一樣，reduce端拿到的map端數(shù)據(jù)是按key排序MapReduce輸入格式MR輸入格式FileInputFormat所有使用文件作為數(shù)據(jù)源的 I

6、nputFormat 的基類(lèi)作用是設(shè)置作業(yè)的輸入文件位置FileInputFormat 提供了四種靜態(tài)方法來(lái)設(shè)定 Job 的輸入路徑MR輸入格式TextInputFormat默認(rèn)的 InputFormat鍵是存儲(chǔ)該行在Block中的字節(jié)偏移量值是這行的內(nèi)容，不包括任何行終止符MR輸入格式KeyValueTextInputFormat每一行被分隔符（缺省是t）分割為key和valuekey和value都是Text類(lèi)型通 過(guò) mapreduce.input.keyvaluelinere cordreader.key.value.separator設(shè)定分隔符MR輸入格式NLineInputForma

7、t每個(gè)Mapper 收到固定行數(shù)的輸入鍵是存儲(chǔ)該行在Block中的字節(jié)偏移量值是這行的內(nèi)容，不包括任何行終止符N值由mapreduce.input.lineinputformat.linespermap 屬性設(shè)定。MapReduce輸出格式MR輸出格式 文本輸出默認(rèn)輸出格式是 TextOutputFormat每條記錄寫(xiě)為文本行每個(gè)鍵/值對(duì)由制表符進(jìn)行分割設(shè)定 mapreduce.output.textoutputformat.separator 屬性 改變默認(rèn)的分隔符NullWritable 可省略輸出的鍵或值兩者都省略，相當(dāng)于 NullOutputFormat ，什么也不輸出MapReduc

8、e1運(yùn)行機(jī)制（1）和HDFS一樣，MapReduce也是采用Master/Slave的架構(gòu)MapReduce1包含4個(gè)部分：Client、JobTracker、TaskTracker和TaskMapReduce1運(yùn)行機(jī)制（2）MapReduce1運(yùn)行機(jī)制（3）MapReduce1運(yùn)行機(jī)制（4）Client將JAR文件、配置參數(shù)Configuration、計(jì)算分片、Distributed Cache 文件存儲(chǔ)在HDFS向 JobTracker 申請(qǐng)JobIdJobTracker：負(fù)責(zé)資源監(jiān)控和作業(yè)調(diào)度監(jiān)控所有TaskTracker 與job的健康狀況，一旦發(fā)現(xiàn)失 敗，就將相應(yīng)的任務(wù)轉(zhuǎn)移到其他節(jié)點(diǎn)

9、跟蹤任務(wù)的執(zhí)行進(jìn)度、資源使用量等信息，并將這些信息告訴作業(yè)調(diào)度器調(diào)度器會(huì)在資源出現(xiàn)空閑時(shí)，選擇合適的任務(wù)使用這些資源MapReduce1運(yùn)行機(jī)制（5）TaskTracker：周期性地通過(guò)Heartbeat 將本節(jié)點(diǎn)上資源的使用情況 和任務(wù)的運(yùn)行進(jìn)度匯報(bào)給JobTracker接收J(rèn)obTracker 發(fā)送過(guò)來(lái)的命令并執(zhí)行相應(yīng)的操作（ 如啟動(dòng)新任務(wù)、殺死任務(wù)等）使用“slot”等量劃分本節(jié)點(diǎn)上的資源量，“slot”代表計(jì)算 資源（CPU、內(nèi)存等）分配給Task 使用Task：分為Map Task 和Reduce Task 兩種，均由TaskTracker 啟動(dòng)Map Task 和Reduce Task 分別使用Map slot 和Reduce slotMapReduce1運(yùn)行機(jī)制（6） 容錯(cuò)JobTracker：存在單點(diǎn)故障，一旦出現(xiàn)故障，整個(gè)集群 就不可用，出現(xiàn)故障之后重啟一下，再把作業(yè)重新提交就可 以了，它不會(huì)像 HDFS 那樣出現(xiàn)數(shù)據(jù)的丟失TaskTracker：周期性向 JobTracker 匯報(bào)心跳，如果一 定時(shí)間內(nèi)沒(méi)有匯報(bào)，JobTracker 就認(rèn)為該TaskTracker 掛掉 了，或者TaskTracker上運(yùn)行的Task失敗次數(shù)太多，就會(huì)把 上面所有任務(wù)調(diào)度到其它TaskTracker上Task：MapTask和ReduceTask