Mapreduce 编程思想
Mapper
Map-reduce的思想就是“分而治之”
Mapper负责“分”，即把复杂的任务分解为若干个“简单的任务”执行
“简单的任务”有几个含义：
1 .数据或计算规模相对于原任务要大大缩小；
2 就近计算 ，即会被分配到存放了所需数据的节点进行计算；
3 这些小任务可以并行计算，彼此间 几乎没有依赖关系
Reducer
对map阶段的结果进行汇总
Reducer的数目由mapred-site.xml配置文件里的项目mapred.reduce.tasks决定。
缺省值为1，用户可以覆盖之
Shuffler:在reduce之前的预处理，减少计算量，有利于集群的计算
在mapper和reducer中间的一个步骤（可以没有）
可以把mapper的输出按照某种key值重新切分和组合成n份，把key值符合某种范围的 输出送到特定的reducer那里去处理
可以简化reducer过程
举个栗子吧
M-R的现实例子
例子：mapper
例子：reducer
例子：运行mapper和reducer
流程原理图
Map-Reduce工作机制剖析
调度机制
缺省为先入先出作业队列调度
支持公平调度器
支持容量调度器
任务执行优化
推测式执行：即如果jobtracker发现有拖后腿的任务，会再启动一个相同的备份任务， 然后哪个先执行完就会kill去另外一个。因此在监控网页上经常能看到正常执行完的作 业有被kill掉的任务
推测式执行缺省打开，但如果是代码问题，并不能解决问题，而且会使集群更慢，通 过在mapred-site.xml配置文件中设置mapred.map.tasks.speculative.execution和 mapred.reduce.tasks.speculative.execution可为map任务或reduce任务开启或关闭 推测式执行
重用JVM，可以省去启动新的JVM消耗的时间，在mapred-site.xml配置文件中设置 mapred.job.reuse.jvm.num.tasks设置单个JVM上运行的最大任务数（1，>1或-1表 示没有限制）
忽略模式，任务在读取数据失败2次后，会把数据位置告诉jobtracker，后者重新启动 该任务并且在遇到所记录的坏数据时直接跳过（缺省关闭，用SkipBadRecord方法打 开）
错误处理机制：硬件故障
硬件故障是指jobtracker故障或tasktracker故障
jobtracker是单点，若发生故障目前hadoop还无法处理，唯有选择最牢靠的硬件作为 jobtracker
Jobtracker通过心跳（周期1分钟）信号了解tasktracker是否发生故障或负载过于严重
Jobtracker将从任务节点列表中移除发生故障的tasktracker
如果故障节点在执行map任务并且尚未完成，jobtracker会要求其它节点重新执行此 map任务
如果故障节点在执行reduce任务并且尚未完成，jobtracker会要求其它节点继续执行尚未完成的reduce任务
错误处理机制：任务失败
由于代码缺陷或进程崩溃引起任务失败
Jvm自动退出，向tasktracker父进程发送方错误信息，错误信息也会写入到日志
Tasktracker监听程序会发现进程退出，或进程很久没 有更新信息送回，将任务标记为 失败
标记失败任务后，任务计数器减去1以便接受新任务，并通过心跳信号告诉jobtracker 任务失败的信息
Jobtrack获悉任务失败后，将把该任务重新放入调度队列，重新分配出去再执行
如果一个任务失败超过4次（可以设置），将不会再被执行，同时作业也宣布失败
Hadoop命令大全
Hadoop API大全
审计日志
监控日志
