MapReducer工作原理图详解
一个刚开始学习大数据的小白，愿意和大家分享所学所得。
下面这幅图是我一笔一画制作的，每一步都有标记，详细介绍了MapReducer工作原理。
具体的Shuffle流程如下：
1）MapTask收集我们的map()方法输出的kv对，放到内存缓冲区中
2）从内存缓冲区不断溢出本地磁盘文件，可能会溢出多个文件
3）多个溢出文件会被合并成大的溢出文件
4）在溢出过程及合并的过程中，都要调用Partitioner进行分区和针对key进行排序
5）ReduceTask根据自己的分区号，去各个MapTask机器上取相应的结果分区数据
6）ReduceTask会取到同一个分区的来自不同MapTask的结果文件，ReduceTask会将这些文件再进行合并（归并排序）
7）合并成大文件后，Shuffle的过程也就结束了，后面进入ReduceTask的逻辑运算过程（从文件中取出一个一个的键值对Group，调用用户自定义的reduce()方法）
注意
1）Shuffle中的缓冲区大小会影响到MapReduce程序的执行效率，原则上说，缓冲区越大，磁盘io的次数越少，执行速度就越快。
2）缓冲区的大小可以通过参数调整，参数：io.sort.mb默认100M。
谢谢观看，若有问题恳请指出。
上一篇：HDFS常见API操作 https://blog.csdn.net/qq_40169189/article/details/105546278