简单的介绍一下大数据中最重要的MapReduce

MapReduce执行流程图

概述

MapReduce是一种分布式计算模型，由Google提出，主要用于搜索领域，解决海量数据的计算问题。

MapReduce是分布式运行的，由两个阶段组成：Map和Reduce，Map阶段是一个独立的程序，有很多个节点同时运行，每个节点处理一部分数据。

Reduce阶段是一个独立的程序，有很多个节点同时运行，每个节点处理一部分数据。

使用

MapReduce框架都有默认实现，用户只需要覆盖map()和reduce()两个函数，即可实现分布式计算，非常简单。

这两个函数的形参和返回值都是，使用的时候一定要注意构造。

执行流程(此处举例说明)

一个文本(在HDFS上面保存，两个block)中每一个单词的出现的次数：?
????hello?you?hello?marry?
????hello?me?really?
????????????----->block-1?
?????????????
????hello?kate?ready?
????xiao?wang?hello?tomcat?
????????????----->block-2?

1.获取每一个block块中的文本，遍历所有，回去其中的一行str

因为要统计的是每一个单词i的次数，所以还需要直到文本中有哪些单词，可以根据字符串的特点，使用split()进行切割。

String[]?words=str.split("");?

根据要求，需将每一个单词i转换为的形式，k为单词本身，v为单词出现的次数。

2.因为mr的计算是分布式的 ，每一个map(称之为一个mapper task)计算其中的一个block块数据。

map阶段：?
????输入?
????????k1，偏移量，v1，当前行文本内容?
????????map()函数操作?
????输出?
????????k2，具体单词，v2，单词对应的统计项，比如次数?
????输出?

shuffle阶段?
研究后发现，如果按照这种方式向reduce输出数据的时候，会有?
大量的冗余数据。?
比如map阶段之后有5个hello,则输出,,,?
,5次，实际上会对网络造成一定的压力，能不能对?
这5个进行一个进入reduce之前的本地组合？比如成为?
或者.?
这个过程成为shuffle，洗牌重组阶段，达到上述的结果，称之为规约。?
>>>shuffle阶段，也就是对map的输出进行重新洗牌：?
分区、分组、排序?
...===>?

reduce阶段?
接收map的输出结果?
对这个结果进行汇总统计，针对values，进行简单的累加，计算得出key?
对应的次数?
reduce针对一个key调用一次reduce()函数?
=====>reduce?阶段?
输入?
????K2,就是map的输出的K2，V2s是map经过shuffle之后的结果集?
????reduce()函数操作?
转化为???

经过上述操作之后，系统会将计算结果输出给用户，一般会先存储(落地)到hdfs，然后反馈给用户。

到此为止，MapReduce执行完毕，接下来就可以进行大数据的其他一系列操作了。

【免责声明】本站内容转载自互联网，其相关言论仅代表作者个人观点绝非权威，不代表本站立场。如您发现内容存在版权问题，请提交相关链接至邮箱：bqsm@foxmail.com，我们将及时予以处理。