MapReduce的原理、流程【重要】

秒速五厘米 2023-10-14 11:59 46阅读 0赞

**MapReduce分为两个阶段，Map阶段和Reduce阶段：**

![up-22fde71ce70c3ede48e02ffafe55e2ba381.png][]

**MapTask工作机制：**

**首先是Map阶段，Map有**   **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。

![up-d9fb0903000a7aa2947278928c79eaf3029.png][]

**ReduceTask工作机制：**

**然后到Reduce阶段，Reduce阶段有**   **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。

**相关问题：**

**1.MR分为哪几个阶段，每个阶段的主要任务是什么？**

MR分为Map、shuffle和Reduce三个阶段：

Map 阶段负责数据的过滤分发，将原始数据转化为键值对；Reduce 阶段是对数据进行合并，将具有相同的 key 值的 value 进行处理后再输出新的键值对作为最终结果。

为了让 Reduce 可以并行处理 Map 的结果，必须对 Map 的输出进行一定的分区排序，然后再交给对应的 Reduce，即   Map   方法之后   Reduce   方法之前的这段数据混洗的过程叫做   Shuffle 机制。

[up-22fde71ce70c3ede48e02ffafe55e2ba381.png]: https://oscimg.oschina.net/oscnet/up-22fde71ce70c3ede48e02ffafe55e2ba381.png
[up-d9fb0903000a7aa2947278928c79eaf3029.png]: https://oscimg.oschina.net/oscnet/up-d9fb0903000a7aa2947278928c79eaf3029.png