MapReduce的基础知识

- 日理万妓 2024-03-16 20:12 19阅读 0赞

## 1、什么是MapReduce ##

1.  Hadoop MapReduce 是一个 `分布式计算框架`，用于轻松编写分布式应用程序，这些应用程序以可靠，容错的方式并行处理大型硬件集群（数千个节点）上的大量数据（多TB数据集）
2.  MapReduce 是一种`面向海量数据`处理的一种指导思想，也是一种用于对大规模数据进行分布式计算的编程模型。

## 2、Map Reduce的优缺点 ##

### 2.1 优点 ###

*  `MapReduce易于编程：` 它简单的实现一些接口，就可以完成一个分布式程序
 *  `良好的扩展性：` 当你的计算资源不能得到满足的时候，你可以通过简单的增加机器来扩展它的计算能力。
 *  `高容错性：` MapReduce设计的初衷就是使程序能够部署在廉价的PC机器上，这就要求它具有很高的容错性。比如其中一台机器挂了，它可以把上面的计算任务转移到另外一个节点上运行，不至于这个任务运行失败，而且这个过程不需要人工参与，而完全是由Hadoop内部完成的。
 *  `适合PB级以上海量数据的离线处理：` 可以实现上千台服务器集群并发工作，提供数据处理能力。

### 2.2 缺点 ###

*  `实时计算性能差：` MapReduce 主要应用于离线作业，无法做到秒级或者是亚秒级别的数据响应。
 *  `不能进行流式计算：` 流式计算的输入数据是动态的，而MapReduce的输入数据集是静态的，不能动态变化。这是因为MapReduce自身的设计特点决定了数据源必须是静态的。
 *  `不擅长DAG（有向无环图）计算`  
    多个应用程序存在依赖关系，后一个应用程序的输入为前一个的输出。在这种情况下，MapReduce并不是不能做，而是使用后，每个MapReduce作业的输出结果都会写入到磁盘，会造成大量的磁盘IO，导致性能非常的低下。

## 3、 MapReduce进程 ##

一个完整的MapReduce程序在分布式运行时有三类实例进程：  
（1）`MrAppMaster`：负责整个程序的过程调度及状态协调。  
（2）`MapTask`：负责Map阶段的整个数据处理流程。  
（3）`ReduceTask`：负责Reduce阶段的整个数据处理流程。

## 4、MapReduce编程规范 ##

*  用户编写的程序代码分成三个部分： Mapper、Reducer和Driver(客户端提交作业驱动程序)
 *  用户自定义的Mapper和Reducer都要继承各自的父类。

`Mapper阶段`：

1.  用户自定义的Mapper要继承自己的父类
2.  Mapper的输入数据是KV对的形式（KV的类型可自定义）
3.  Mapper中的业务逻辑写在map()方法中
4.  Mapper的输出数据是KV对的形式（KV的类型可自定义）
5.  map()方法（MapTask进程）对每一个<K,V>调用一次

`Reducer阶段`：

1.  用户自定义的Reducer要继承自己的父类
2.  Reducer的输入数据类型对应Mapper的输出数据类型，也是KV
3.  Reducer的业务逻辑写在reduce()方法中
4.  ReduceTask进程对每一组相同k的<k,v>组调用一次reduce()方法

`Driver`： 描述的是提交Job对象需要的各种必要的信息。

MapReduce内置了很多默认属性，比如： 排序（`key的字典序`）、分组(`reduce阶段key相同的为一组，一组调用一次reduce处理`)等，这些都和数据的`K`有关，所以说kv的类型数据确定是及其重要的。

## 5、常用数据序列化类型 ##

<table> 
 <thead> 
  <tr> 
   <th><strong>Java类型</strong></th> 
   <th><strong>Hadoop Writable类型</strong></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>Boolean</td> 
   <td>BooleanWritable</td> 
  </tr> 
  <tr> 
   <td>Byte</td> 
   <td>ByteWritable</td> 
  </tr> 
  <tr> 
   <td>Int</td> 
   <td>IntWritable</td> 
  </tr> 
  <tr> 
   <td>Float</td> 
   <td>FloatWritable</td> 
  </tr> 
  <tr> 
   <td>Long</td> 
   <td>LongWritable</td> 
  </tr> 
  <tr> 
   <td>Double</td> 
   <td>DoubleWritable</td> 
  </tr> 
  <tr> 
   <td>String</td> 
   <td>Text</td> 
  </tr> 
  <tr> 
   <td>Map</td> 
   <td>MapWritable</td> 
  </tr> 
  <tr> 
   <td>Array</td> 
   <td>ArrayWritable</td> 
  </tr> 
  <tr> 
   <td>Null</td> 
   <td>NullWritable</td> 
  </tr> 
 </tbody> 
</table>