MapReduce过程详解（非常全）

最新推荐文章于 2025-05-08 13:08:49 发布

AnAn-66.

最新推荐文章于 2025-05-08 13:08:49 发布

阅读量7.6k

点赞数 12

本文链接：https://blog.youkuaiyun.com/qq_45725767/article/details/120956256

版权

本文详细解析MapReduce的工作流程，包括Map阶段的预处理、InputSplit、RecordReader，Map任务的执行，Shuffle过程的分区、排序、合并、归并，以及Reduce端的Shuffle和输出结果的生成。重点介绍了Map端和Reduce端的Shuffle机制，如何减少磁盘I/O影响，以及数据分区、排序和合并操作。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

MapReduce算法执行过程 核心思想：“分而治之”
（1）MapReduce框架使用InputFormat模块做Map前的预处理，比如验证输入的格式是否符合输入定义；然后，将输入的文件切分为逻辑上的多个InputSplit，InputSplit是MapReduce对文件进行处理和运算的实际单位（逻辑概念），每个InputSplit没有对文件进行实际切割，只是记录了要处理的数据的位置和长度。
（2）InputSplit是逻辑切分，所以需要通过RecordReader(RR)根据InputSplit的信息来处理InputSplit中的具体记录，加载数据并转换为合适Map任务读取的键值对，输入给Map任务。
（3）Map任务根据用户自定义的映射规则，输出一系列的<key,value>作为中间结果。
（4）对Map的输出进行分区、排序、合并、归并等操作，得到<key,value-list>形式的中间结果，再交给Reduce，此过程称为Shuffle。（Shuffle详解看下面）
（5）Reduce端以<key,value-list>作为输入，执行用户定义的逻辑，输出结果给OutputFormat模块。
（6）OutputFormat会验证输出目录是否已经存在以及输出结果类型是否符合配置文件中的配置类型，如果都满足，就输出Reduce的结果到分布式文件系统中。

此图是MapReduce执行流程：