MapReduce 深度剖析

在hadoop2.x大行其道的年代，其優秀的資源管理框架（系統），高可用的分布式儲存系統，備受企業青睞。然因上述之惑，往往不能盡得其中之深意。此篇部落格筆者為大家一一解惑。

雖說我們能夠編寫乙個完成mapreduce程式，並執行它。然其執行的細節，我們卻未必清楚，往往初學者在編寫乙個mapreduce作業時，遇到錯誤而不去研究分析其錯誤之根本，轉而求助於搜尋引擎，在搜尋無望之下，會讓自己瞬間懵逼，不知所措。

這裡，我們去剖析其計算模型的執行細節，雖不敢說剖析之後能解決所有的疑難雜症，但起碼能讓我們知曉錯誤原因，能夠找到解決問題的方向，繼而解決我們所遇之難題。下面為大家剖析mapreduce的計算模型。

map階段，簡言之：

reduce階段，簡言之：

上述為其計算模型的執行過程，需有幾點要額外注意。這裡有些階段，我們在編寫相關應用時，需有謹慎。

這裡有乙個combine階段，這個階段的使用有助與我們對mapreduce的效能進行優化，為何這麼說？細細剖析該過程便可明白。在map 函式時，它只管處理資料，並不負責統計處理資料的結果，也就是說並沒有combine階段，那麼，問題來了，在reduce過程當中，因為每個map函式處理後的資料沒有統計，它除了要統計所有map的彙總數量，還要統計單個map下的處理數。也許，這裡有點繞，大家可以參照下圖來理解這層意思，如下圖所示：

然而，這樣是不行的，所以reduce為了減輕壓力，每個map都必須統計自己旗下任務處理結果，即：combine。這樣，reduce所做的事情就是統計每個map統計之後的結果，這樣子就會輕鬆許多。因而，combine在map所做的事情，減輕了reduce的事情，省略了上圖中的步驟 1。

具體**細節，可在job的屬性方法中設定對應的引數，如下所示：

job.setcombinerclass(defreducer.class);

另外，我們也有必要理解partition相關職責，它是分割map節點的結果，按照key分別對映給不同的reduce，這裡我們可以理解為歸類，對一些複雜的資料進行歸類。在job屬性中設定對應的分割槽類，那麼你的分割槽函式就生效了，如下所示：

job.setpartitionerclass(defpartition.class);

在hadoop2.x中，由於有了yarn來做資源管理，因而第二代mapreduce的執行環境，對比第一代mapreduce有了些許的改變。具體改變細節，可參考我寫的另一篇部落格：《mapreduce執行環境剖析》。

本篇部落格給大家剖析了mapreduce的計算模型和執行環境，其中計算模型不變，變者乃其執行環境。所變內容，簡言之：rm下包含am和 nm，nm會rm申請container（其可理解為乙個執行時的jvm），nm與rm的通訊屬於「pull模型」，即nm主動上報狀態資訊，rm被動接受上報資訊。

MapReduce 深度剖析

MapReduce 深度剖析

ifdef cplusplus深度剖析

深度剖析ostream

MapReduce 深度剖析

MapReduce 深度剖析

ifdef cplusplus深度剖析

深度剖析ostream

相關推薦