使用的案例是wordcountmapreduce的程序演示

一:

1.源程序

   015 在大数据中,关于mapreduce的粗略优化,以及mapreduce的处理过程解释-LMLPHP

   015 在大数据中,关于mapreduce的粗略优化,以及mapreduce的处理过程解释-LMLPHP

   015 在大数据中,关于mapreduce的粗略优化,以及mapreduce的处理过程解释-LMLPHP

   015 在大数据中,关于mapreduce的粗略优化,以及mapreduce的处理过程解释-LMLPHP

2.优化的切入点

  015 在大数据中,关于mapreduce的粗略优化,以及mapreduce的处理过程解释-LMLPHP

  015 在大数据中,关于mapreduce的粗略优化,以及mapreduce的处理过程解释-LMLPHP

3.优化的部分代码

  015 在大数据中,关于mapreduce的粗略优化,以及mapreduce的处理过程解释-LMLPHP

  015 在大数据中,关于mapreduce的粗略优化,以及mapreduce的处理过程解释-LMLPHP

  015 在大数据中,关于mapreduce的粗略优化,以及mapreduce的处理过程解释-LMLPHP

二:wordcount的处理过程

1.重点

  一个块对应一个map任务。

而做单词统计的文件被分成许多分片,一个分片对应一个块,但是每个文件都比较小,所以造成了一个文件就是一个块。

  所以,一个文件就是一个任务。

   

2.偏移量的解释

  015 在大数据中,关于mapreduce的粗略优化,以及mapreduce的处理过程解释-LMLPHP

3.reducer的处理

  注意到排序后的样子,什么时(1,1),什么时(2).

  015 在大数据中,关于mapreduce的粗略优化,以及mapreduce的处理过程解释-LMLPHP

  

05-11 22:14