Hadoop 对MapReduce的理解

• 对MapReduce的理解
  1. 客户端启动一个作业
  2. 向JobTraker请求一个JobId
  3. 将资源文件复制到HDFS上，包括Jar文件，配置文件，输入划分信息等
  4. 接收作业后，进入作业队列，根据输入划分信息为每个划分创建一个map任务，并将map任务分配给TaskTracker来执行(运算移动，数据不移动)分配Reduce任务时，不考虑数据本地化
  5. TaskTracker每隔一段时间向JobTracker发送一个心跳, 告诉JobTracker它仍在运行，同时心跳中还带有很多信息，比如任务进度

• Map端
  1. 输入分片(默认64M)进入Map，输出则暂且放到缓存中，缓冲区快要溢出时，会在本地创建一个溢出文件
  2. Partition(hash)和分区的内部排序，每个分区对应一个reduce任务
  3. 合并这些溢出文件
     • 减少每次写入磁盘的数据量
     • 减少下一阶段网络传输的数据量
  4. 将分区中的数据拷贝给reduce任务(map-TaskTracker-JobTracker)

• Reduce端
  1. 接收到每个map传输来的有效数据(有序),超过了缓冲区，就写入到磁盘中
  2. 将溢出文件不断合并成一个更大的有序文件
  3. 最后一次合并的数据，不输出到磁盘，直接输出到reduce函数中