Hadoop MapReduce 过程概述

本文介绍了MapReduce的基本概念,包括其工作原理、任务划分及数据处理流程。详细解释了Map和Reduce两个阶段如何处理数据,并阐述了Hadoop如何管理和调度这些任务。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一个MapReduce任务就是一个Job。Job分为2个阶段:Map  Reduce
Map函数接收一个<key,value>形式的输入,然后产生一个<key,value>形式的中间输出,Hadoop会把相同中间Key值的value集合在一起传给reduce函数。
reduce 函数接收<key,(list of values)> 形式的输入,然后对values集合进行处理,输出<key,value>形式。

一个MapReduce Job 包括:输入数据,MapReduce程序和配置信息(Configuration)。Hadoop将 Job 分成多个 tasks :map  tasks  reduce  tasks

Hadoop集群中有两类节点,一个jobtracker 和多个tasktrackers
Hadoop 对 【输入数据分片】,为每个分片创建一个map task。大多数情况下,分片大小与HDFS中块大小一致。Map 任务在每个数据节点上运行。Map 将中间结果保存在本地文件系统中。

如果只有一个reduce task,map task 的输出经过排序处理,发送到运行 reduce task的节点。




如果有多个reduce task,map task 会对输出进行partition一个分区对应一个reduce 任务。Map 的中间结果会分配到分区中,相同Key的输出在一个分区中。可以自定义分区函数,默认是哈希分区算法。



评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值