Hadoop学习3:Hadoop核心组件-MapReduce
来源:互联网 发布:如何查看淘宝等级 编辑:程序博客网 时间:2024/04/25 21:39
HDFS用于解决大数据的存储,而MapReduce用于解决大数据的分析计算。
MapReduce:Hadoop分布式计算框架的一种,适合于离线计算。
Storm:流式计算框架,适合实时计算。
Spark:内存计算框架,适合快速得到结果。
Mapreduce设计理念
- 移动计算,而不移动数据
计算框架MR - 四个步骤:
1 :split(切成块):对HDFS上的数据处理成一个一个的碎片快,每一个片段有一个map线程并发执行;
split计算公式:max.split、min.split、blocksplit = max(min.split , min( block , max.split))所以一般是Block的大小,即128M
2 :map(Java线程,输出和输入必须键值对),map的执行由程序员控制;
3 :shuffler(合并和排序,相同的key合并,并处理成集合);
4 :reduce(reduce有可能只有一个,有程序决定)
Shuffler
shuffler处于map和reduce之间的一个步骤,大部分工作由MapReduce框架自己完成,程序员只可以控制一小部分。
- 可以把map的输出按照某种key值重新切分和组合成n份,把key值符合某种范围的输出送到特定的reduce去处理;
- 可以简化reduce的过程。
在map的机器中操作
1 . map得到的结果放在内存中,当到达一定值就会溢写;每个maptask对应一个内存缓冲区,默认100M,存储map的输出结果。80%时就会溢写,留有20%用于继续处理map的输出结果。
当缓冲区快满的时候,将缓冲区的数据以一个临时文件的方式存放在磁盘。
溢写有单独线程完成,不影响往缓冲区写map结果的线程。(spill.percent,默认80%)。
2 . partition,分区。同一分区的数据会被放在同一个reduce中处理,用于解决负载均衡和数据倾斜问题。可以自定义,也有默认分区规则(对key取hash值,然后对reduce的个数进行模运算 hashVal%reduceNum)。
3 . sort:默认排序方式-ASCII码值排序,即字典排序。(10排在9的前面),可自定义。
4 . spill to disk:溢写到磁盘。
5 . merge on disk:把溢写的文件按照hash值(及key值相同)合并:combiner,目的:提高下一步网络数据copy的效率,可以自定义。
进入reduce的机器中操作
6 . 根据分区把各个map数据copy到reduce中。
7 . 将得到的数据merge合并,key相同合并。
8 . 把执行的结果合并。
*注:map不可能产生数据倾斜,只有reduce会产生。
原因:map的数据来源split,而split是按照一定规则的,同时split的数据来源于block,因而,输入map中的数据是大小基本相同的。reduce的数据来源于shuffle的,取决于partition,好的partition可以避免数据倾斜*。
- Hadoop学习3:Hadoop核心组件-MapReduce
- Hadoop核心组件—MapReduce详解
- hadoop学习——Hadoop核心组件
- hadoop学习——Hadoop核心组件
- Hadoop实践(一)---Hadoop核心组件之MapReduce
- Hadoop--Hadoop核心之MapReduce
- [学习笔记]Hadoop核心之初始MapReduce
- Hadoop核心MapReduce
- hadoop核心组件---MR(MapReduce)分布式计算框架
- hadoop mapreduce核心功能描述
- hadoop mapreduce核心功能描述
- HADOOP:mapreduce的核心知识
- Hadoop核心模块之MapReduce
- Hadoop组件之MapReduce框架
- Hadoop mapreduce原理学习
- hadoop mapreduce 学习(-)
- Hadoop学习笔记---MapReduce
- Hadoop学习笔记---MapReduce
- Hive通过JavaAPI操作
- Windows XP下如何取消打印机与任务计划的共享
- highcharts报表开发 一:chart配置
- VMware 虚拟化编程(2) — 虚拟磁盘文件类型详解
- 分享一个我写的io序列化类IOPack
- Hadoop学习3:Hadoop核心组件-MapReduce
- angularJS实现查询/选择排序/添加/敏感字符过滤
- 计数
- [Leetcode] 417. Pacific Atlantic Water Flow 解题报告
- 【树莓派学习笔记】树莓派入坑笔记 一 系统安装
- GlusterFs分布式复本卷 服务器替换实践
- Python数据结构
- java国际化demo解析
- DOCTYPE的混杂模式(quirks mode)和标准模式(standards mode)