MapReduce笔记

超、凢脫俗 2023-09-25 23:03 15阅读 0赞

![5163d0f5d3e04b63af699d120ce401e6.png][]

![38f2d0166d974152b0e5b8fecb1973cc.png][]

![41ebc56f2e0c4d56bb311d7563697c84.png][]

![ede2dec337124edbbcebc9bbeae9fed9.png][]

![fd59f02744f54797b3040c708af6f4da.png][]

![8419c76c242949dd97443e2f626f1177.png][]

![836f2de6a02c46a8b6ec8ecd6ddbc7c5.png][]

![413be61738394ac5ba485f77f6febd37.png][]

![cc4278bd734940368a2eb67b3785f8da.png][]

总计：切片就是对一个文件按逻辑进行切片，默认每128m为一个切片，不是物理切片，每个切片对应着一个mapTask进行处理。而且切片是针对每一个文件进行切片的，即一个文件一个文件切片，不是把所以待处理的文件总量放一起进行切片。

![8823afda36a244639d92d55bf0594635.png][]

![3733b17be2f446bc9ff1bf0be33789ba.png][]

3：遍历一个文件ss.txt,这里要注意，每一个文件都是单独切片。

C：切片大小=blocksize，即128M

d:每次切片时，都会判断剩下的数据是否大于块（128M）的1.1倍，如果大于则继续切片，不大于就把剩下的数据划分为一个切片

常用的几个切片机制：

1.FileInputFormat、TextInputFormat、CombineTextInputFormat

![6502011652ae43a4bf77d0a212f14ee6.png][]

![175d10bd74c0458aa8698fc215fdc1e2.png][]

![3340e4f1d4a34d38b44aeff6a996a9db.png][]

![b867fb71b8f646f1bd77a499ceb0545d.png][]

![af5a0750891e4d65a23d243c8675eea4.png][]

![9fabd937b0fd4da5be587d2c8971cace.png][]

![8ef31f891c44467895c2f205e09bcdbd.png][]

**shuffle 阶段：即Map方法之后，Reduce方法之前的数据处理过程称之为Shuffle阶段。**

![ae61d34d983743e5b665211f4b553e76.png][]

MapReduce是如何将数据进行分区的：

默认情况下，用户没法控制对key存储的分区，但可以继承Partitoner抽象类重写getPartiton方法，自定义控制key存储到哪个区，同时可以指定NumReduceTask的数量，如果不指定NumReduceTask的数量的话，系统默认数量为1，那么不会对key存储进行分区，都存放在一个文件里。

![3b7f0e6f06f54653a5ec1c88b2a261cd.png][]

![8a75b96fd49f4f4182a5c91b4fa32c48.png][]

自定义Partitioner，重写分区代码逻辑，将手机号前三位不同进行划分区域，一共有5个分区。

![8c52a6397e7440ba863ed689fc0b7d7e.png][]

**job.setNumReduceTasks();设置ReduceTask的数量有规则，如下：**

![29b623f43ef243fe914bd820ebea99d0.png][]

**注意：第（4）点很重要，分区号必须从零开始，逐一累加，中间不能跳。**

![a3a9072049e041d89e59e5d09a135501.png][]

![e7d4c39f0e7e4bb6b9148ff0f16645dc.png][]

![59c5cef2fede4c158951465a49404a94.png][]

![1a7c61e1aeae4ef2a5d977f9cd9b3869.png][]

Combiner合并的过程是在环形缓冲区在写入磁盘过程之间的一个合并过程，将排序好的数据进行两次Combiner合并，第一次是将每一个分区排序好的数据进行第一次合并，第二次是将每一个分区排序好的数据进行第二次合并。因为第一次可能只合并了其中的一小部分，第二次将每一次合并的那一小部分再合并成总的数据。

![5144cd20590c44458c1fddaa03ca85b5.png][]

![48ff61dc191b4377a31e04685e4d6e7c.png][]

注意：1.Combiner不能用于求数据的平均值，因为统计前和统计后进行除法会有误。但可以用于数据的加减，因为统计前和统计后不会对加减造成影响。

1.  如果程序中没有了Reduce的话，那就别设置Combiner了，因为shuffle是在map输出和reduce输入之间的，没有reduce的话，数据直接就从map输出了，不会有shuffle的阶段。
2.  实际上，reduce就相当于Combiner了，reduce的功能和Combiner的功能是一样的，所以直接调用reduce就可以完成Combiner的合并过程：job.setCombinerClass(wordCountReducer.class)

![6b8c50d350064adcb7b85d58039520a6.png][]

Reducer处理好的数据并不是直接写入文件，而是到OutPutFormat流那里，由RecordWriter方法进行写入文件中，所以我们可以自定义OutPutFormat来决定Reducer的数据是写入哪里。

![b42e92df5cb044c38e23abcd36c4653a.png][]

**MapTask的工作机制：**

**五个阶段：Read阶段、Map阶段、Collect阶段、溢写阶段、Merge阶段**

（1）Read阶段：默认用TextInputFormat进行读取数据，用RecordReader中的reader（）方法进行读取，以（K,V）的形式传入Mapper中。

（2）Map阶段：map阶段就是用户在map方法中自定义业务代码，来实现需要的业务，用context.write()写（K，V）数据。

（3）Collect阶段：map写出的数据进入环形缓冲区，环形缓冲区一半存元数据，一半存数据，默认为100M，当数据写入环形缓冲区80%的时候，开始反向写，在环形缓冲区的数据会进行分区和排序（环形缓冲区的数据是存放在内存的）。

（4）溢写阶段：当环形缓冲区的数据达到80%的时候或将数据全部读完之后，会将分区且区内有序的数据溢写到磁盘中。

（5）Merge阶段：溢写到磁盘的数据会进行归并排序，将数据排序好。

![b6d6d1caaee940b19793ef97babd8ed5.png][]

**ReduceTask工作机制：**

**三个阶段：Copy阶段、Sort阶段、Reduce阶段**

1.  Copy阶段：ReduceTask从MapTask上拉取（拷贝）数据，并对数据大小进行判断，如果超过一定阈值，则写到磁盘上，否则直接写到内存上。
2.  Sort阶段：拿到数据之后，ReduceTask会启动两个后台线程对内存和磁盘上的文件进行合并，以防止内存使用过多或磁盘上文件过多。由于各个MapTask已经对数据进行了局部的排序，所以ReduceTask只需要对所有数据进行一次归并排序即可。
3.  Reduce阶段：根据业务自定义reduce（）函数，将计算的结果写到HDFS上。

![75df97b7eff249208f1d2b9e3acb5858.png][]

![1fa33a414f5b4552b903cad02ebb1b7f.png][]

![55ccbc1c22794c098280bbd6bc464c0e.png][]

过滤掉不需要的数据，留下需要的数据，这里的代码是过滤掉一行数据的长度低于11的数据。

![c9d6af324535467f8d874a7b2750b339.png][]

## **3.****8** **M****apReduce****开发总结** ##

![9fabd937b0fd4da5be587d2c8971cace.png][]

![a551e359a3074095a30fe24a10c290e8.png][]

**1****）输入数据接口：****InputFormat**

（1）默认使用的实现类是：TextInputFormat

（2）TextInputFormat的功能逻辑是：一次读一行文本，然后将该行的起始偏移量作为key，行内容作为value返回。

（3）CombineTextInputFormat可以把多个小文件合并成一个切片处理，提高处理效率。

**2****）逻辑处理接口：****Mapper**

用户根据业务需求实现其中三个方法：setup() 初始化 map()用户的业务逻辑 cleanup () 关闭资源

**3****）****Partitioner****分区**

（1）有默认实现 HashPartitioner，逻辑是根据key的哈希值和numReduces来返回一个分区号；key.hashCode()&Integer.MAXVALUE % numReduces

（2）如果业务上有特别的需求，可以自定义分区。

**4****）****Comparable****排序**

（1）当我们用自定义的对象作为key来输出时，就必须要实现WritableComparable接口，重写其中的compareTo()方法。

（2）部分排序：对最终输出的每一个文件进行内部排序。

（3）全排序：对所有数据进行排序，通常只有一个Reduce。

（4）二次排序：排序的条件有两个，实现WritableComparable接口，重写其中的compareTo()方法。。

**5****）****Combiner****合并**

Combiner合并可以提高程序执行效率，减少IO传输。

但是使用时必须不能影响原有的业务处理结果。（加减可以，乘除不行，比如求平均值不行）

提前聚合map，是解决数据倾斜的一个方法

**6****）逻辑处理接口：****Reducer**

用户根据业务需求实现其中三个方法：setup() 初始化 reduce()用户的业务逻辑 cleanup () 关闭资源

**7****）输出数据接口：****OutputFormat**

（1）默认实现类是TextOutputFormat，功能逻辑是：将每一个KV对，向目标文本文件输出一行。（按行输出到文件）

（2）用户还可以自定义OutputFormat。

![84d1cd9a75434f8daf97438e93aacba3.png][]

![e6680d48966b452ea830d5680d0dbf79.png][]

[5163d0f5d3e04b63af699d120ce401e6.png]: https://img-blog.csdnimg.cn/5163d0f5d3e04b63af699d120ce401e6.png
[38f2d0166d974152b0e5b8fecb1973cc.png]: https://img-blog.csdnimg.cn/38f2d0166d974152b0e5b8fecb1973cc.png
[41ebc56f2e0c4d56bb311d7563697c84.png]: https://img-blog.csdnimg.cn/41ebc56f2e0c4d56bb311d7563697c84.png
[ede2dec337124edbbcebc9bbeae9fed9.png]: https://img-blog.csdnimg.cn/ede2dec337124edbbcebc9bbeae9fed9.png
[fd59f02744f54797b3040c708af6f4da.png]: https://img-blog.csdnimg.cn/fd59f02744f54797b3040c708af6f4da.png
[8419c76c242949dd97443e2f626f1177.png]: https://img-blog.csdnimg.cn/8419c76c242949dd97443e2f626f1177.png
[836f2de6a02c46a8b6ec8ecd6ddbc7c5.png]: https://img-blog.csdnimg.cn/836f2de6a02c46a8b6ec8ecd6ddbc7c5.png
[413be61738394ac5ba485f77f6febd37.png]: https://img-blog.csdnimg.cn/413be61738394ac5ba485f77f6febd37.png
[cc4278bd734940368a2eb67b3785f8da.png]: https://img-blog.csdnimg.cn/cc4278bd734940368a2eb67b3785f8da.png
[8823afda36a244639d92d55bf0594635.png]: https://img-blog.csdnimg.cn/8823afda36a244639d92d55bf0594635.png
[3733b17be2f446bc9ff1bf0be33789ba.png]: https://img-blog.csdnimg.cn/3733b17be2f446bc9ff1bf0be33789ba.png
[6502011652ae43a4bf77d0a212f14ee6.png]: https://img-blog.csdnimg.cn/6502011652ae43a4bf77d0a212f14ee6.png
[175d10bd74c0458aa8698fc215fdc1e2.png]: https://img-blog.csdnimg.cn/175d10bd74c0458aa8698fc215fdc1e2.png
[3340e4f1d4a34d38b44aeff6a996a9db.png]: https://img-blog.csdnimg.cn/3340e4f1d4a34d38b44aeff6a996a9db.png
[b867fb71b8f646f1bd77a499ceb0545d.png]: https://img-blog.csdnimg.cn/b867fb71b8f646f1bd77a499ceb0545d.png
[af5a0750891e4d65a23d243c8675eea4.png]: https://img-blog.csdnimg.cn/af5a0750891e4d65a23d243c8675eea4.png
[9fabd937b0fd4da5be587d2c8971cace.png]: https://img-blog.csdnimg.cn/9fabd937b0fd4da5be587d2c8971cace.png
[8ef31f891c44467895c2f205e09bcdbd.png]: https://img-blog.csdnimg.cn/8ef31f891c44467895c2f205e09bcdbd.png
[ae61d34d983743e5b665211f4b553e76.png]: https://img-blog.csdnimg.cn/ae61d34d983743e5b665211f4b553e76.png
[3b7f0e6f06f54653a5ec1c88b2a261cd.png]: https://img-blog.csdnimg.cn/3b7f0e6f06f54653a5ec1c88b2a261cd.png
[8a75b96fd49f4f4182a5c91b4fa32c48.png]: https://img-blog.csdnimg.cn/8a75b96fd49f4f4182a5c91b4fa32c48.png
[8c52a6397e7440ba863ed689fc0b7d7e.png]: https://img-blog.csdnimg.cn/8c52a6397e7440ba863ed689fc0b7d7e.png
[29b623f43ef243fe914bd820ebea99d0.png]: https://img-blog.csdnimg.cn/29b623f43ef243fe914bd820ebea99d0.png
[a3a9072049e041d89e59e5d09a135501.png]: https://img-blog.csdnimg.cn/a3a9072049e041d89e59e5d09a135501.png
[e7d4c39f0e7e4bb6b9148ff0f16645dc.png]: https://img-blog.csdnimg.cn/e7d4c39f0e7e4bb6b9148ff0f16645dc.png
[59c5cef2fede4c158951465a49404a94.png]: https://img-blog.csdnimg.cn/59c5cef2fede4c158951465a49404a94.png
[1a7c61e1aeae4ef2a5d977f9cd9b3869.png]: https://img-blog.csdnimg.cn/1a7c61e1aeae4ef2a5d977f9cd9b3869.png
[5144cd20590c44458c1fddaa03ca85b5.png]: https://img-blog.csdnimg.cn/5144cd20590c44458c1fddaa03ca85b5.png
[48ff61dc191b4377a31e04685e4d6e7c.png]: https://img-blog.csdnimg.cn/48ff61dc191b4377a31e04685e4d6e7c.png
[6b8c50d350064adcb7b85d58039520a6.png]: https://img-blog.csdnimg.cn/6b8c50d350064adcb7b85d58039520a6.png
[b42e92df5cb044c38e23abcd36c4653a.png]: https://img-blog.csdnimg.cn/b42e92df5cb044c38e23abcd36c4653a.png
[b6d6d1caaee940b19793ef97babd8ed5.png]: https://img-blog.csdnimg.cn/b6d6d1caaee940b19793ef97babd8ed5.png
[75df97b7eff249208f1d2b9e3acb5858.png]: https://img-blog.csdnimg.cn/75df97b7eff249208f1d2b9e3acb5858.png
[1fa33a414f5b4552b903cad02ebb1b7f.png]: https://img-blog.csdnimg.cn/1fa33a414f5b4552b903cad02ebb1b7f.png
[55ccbc1c22794c098280bbd6bc464c0e.png]: https://img-blog.csdnimg.cn/55ccbc1c22794c098280bbd6bc464c0e.png
[c9d6af324535467f8d874a7b2750b339.png]: https://img-blog.csdnimg.cn/c9d6af324535467f8d874a7b2750b339.png
[a551e359a3074095a30fe24a10c290e8.png]: https://img-blog.csdnimg.cn/a551e359a3074095a30fe24a10c290e8.png
[84d1cd9a75434f8daf97438e93aacba3.png]: https://img-blog.csdnimg.cn/84d1cd9a75434f8daf97438e93aacba3.png
[e6680d48966b452ea830d5680d0dbf79.png]: https://img-blog.csdnimg.cn/e6680d48966b452ea830d5680d0dbf79.png