（六）MapReduce特点

MapReduce特点

适合数据复杂度运算
不适合算法复杂度的运算
不适合实时计算、流式计算、DAG有向图计算
综上，要求算法足够简单，数据可以足够大！

MapReduce架构

采用Master/Slave

执行流程

MapReduce包含四个组成部分
Client
JobTracker
TaskTracker
Task
Map算法Reduce数据
从HDFS出来Split[0,1,……]，用getsplit()分片。Split数量决定MapTask数量，即MapTask数量无法自己决定。
Map主要就是用来对数据进行切分。
Partitioner通过返回确定reduce数量，

hello world --无需split-->hello world---recordreader-->
hello hadoop             hello hadoop

<O,hello word>---map---><hello,1><world,1>---无需partitioner--->
<O,hello word>         <hello,1><hadoop,1> 

---combine---><hello,1,1><world,1><hadoop,1>---无需copy--->
---reduce---><hello,2><world,1><hadoop,1>--->output

1.23 0.91--split-->10000点坐标--recordreader--><0,1.23 0.91>
1.45 1.11                                    <0,1.45 1.11 >
0.22 0.25                                    <0,0.22 0.25 >
--map-->截取浮点数，算出距离，记录是否在圆内--><O,1>--无需partitioner-->
                                         <O,0>
                                         <O,1>
--combine--><0,1 1 1 1 1>--无需copy-->--reduce--><0,n> n*4/10000

MapReduce完整执行流程如图所示

Map流程
Inputformat：首先将 HDFS 中的数据以 Split 方式作为 MapReduce 的输入
Mapper：每个Mapper 将输入(key,value)数据解析成输出(key,value)
Partition：根据key或value及reduce的数量来决定当前的这对输出数据最终应该交由哪个reduce task处理（ Partitioner接口，默认自动完成，可定制）
Combine：缓存溢写时完成，如果有很多个相同key/value对需要发送到某个reduce端去，那么需要将这些key/value值拼接到一块，减少与partition相关的索引记录（reducer接口，默认自动完成，可定制）
Merge：溢写文件合并，同时再次执行Combiner（默认自动完成）
注：
HDFS中的数据是以 block存储，这里怎么又变成了以Split 作为输入呢？其实 block 是 HDFS 中的术语，Split 是 MapReduce 中的术语。默认的情况下，一个 Split 可以对应一个 block，当然也可以对应多个block，它们之间的对应关系是由 InputFormat 决定的。默认情况下，使用的是 TextInputFormat，这时一个Split对应一个block。 假设这里有4个block，也就是4个Split，分别为Split0、Split1、Split2和Split3。这时通过 InputFormat 来读每个Split里面的数据，它会把数据解析成一个个的(key,value)，然后交给已经编写好的Mapper 函数来处理。

默认对key hash后再以reduce task数量取模。默认的取模方式只是为了平均reduce的处理能力，如果用户自己对Partitioner有需求，可以订制并设置到job上。
Map流程图

Reduce流程
Copy：简单地拉取数据
Merge：同map Merge，文件合并
Reducer：每个Reducer将输入(key,value)数据解析成输出(key,value)
把结果放到HDFS上