【MapReduce篇02】MapReduce之工作流程1
需积分: 0 195 浏览量
2022-08-04
16:08:29
上传
评论
收藏 1.55MB PDF 举报
你相信什么，你就会成为什么
MapReduce工作流程
MapTask工作机制
（1）Read阶段
MapTask通过用户编写的RecordReader，从输入InputSplit中解析出一个个key/value。
（2）Map阶段
该节点主要是将解析出的key/value交给用户编写map()函数处理，并产生一系列新的
key/value。
（3）Collect收集阶段
在用户编写map()函数中，当数据处理完成后，一般会调用OutputCollector.collect()输出结
果。在该函数内部，它会将生成的key/value分区（调用Partitioner），并写入一个环形内存缓冲
区中。
（4）Spill阶段
即“溢写”，当环形缓冲区满后，MapReduce会将数据写到本地磁盘上，生成一个临时文件。需要
注意的是，将数据写入本地磁盘之前，先要对数据进行一次本地排序，并在必要时对数据进行合
并、压缩等操作。
溢写阶段详情：
步骤1：利用快速排序算法对缓存区内的数据进行排序，排序方式是，先按照分区编号Partition进行
排序，然后按照key进行排序。这样，经过排序后，数据以分区为单位聚集在一起，且同一分区内所有
数据按照key有序。
步骤2：按照分区编号由小到大依次将每个分区中的数据写入任务工作目录下的临时文件
output/spillN.out（N表示当前溢写次数）中。如果用户设置了Combiner，则写入文件之前，对每个
分区中的数据进行一次聚集操作。
评论0
最新资源