MapReduace原理

MapReduace：

概述： MapReduce是一种分布式计算模型，由Google提出，主要用于搜索领域，解决海量 数据的计算问题.

MR由两个阶段组成：Map和Reduce，用户只需要实现map()和reduce()两个函数， 即可实现分布式计算，非常简单。

这两个函数的形参是key、value对，表示函数的输入信息

执行流程见下图：

 

◆执行步骤：

 1. map任务处理

     1.1 读取输入文件内容，解析成key、value对。对输入文件的每一行，解析成key、value 对。每一个键值对调用一次map函数。

     1.2 写自己的逻辑，对输入的key、value处理，转换成新的key、value输出。

     1.3 对输出的key、value进行分区。

     1.4 对不同分区的数据，按照key进行排序、分组。相同key的value放到一个集合中。 1.5 (可选)分组后的数据进行归约。

2.reduce任务处理

      2.1 对多个map任务的输出，按照不同的分区，通过网络copy到不同的reduce节点。

      2.2 对多个map任务的输出进行合并、排序。写reduce函数自己的逻辑，对输入的key、 value处理，转换成新的key、value输出。

      2.3 把reduce的输出保存到文件中。