版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/qq_33054265/article/details/87385268
MapReduce的详细工作流程图如下:
MapReduce的主要工作原理:
- MapTask收集map()方法输出的kv对,放到内存缓冲区中。
- 从内存缓冲区不断溢出到本地磁盘文件,可能会溢出多个文件。
- 多个溢出文件会被合并成大的溢出文件。
- 在溢出过程以及合并过程中,都要调用Partitioner进行分区,以及针对key进行排序。
- ReduceTask根据自己的分区号,去各个MapTask机器上取相应结果的分区数据。
- 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)。
- 合并成大文件后,Shufle过程(Map方法之后Reduce方法之前的过程,图中第7步到第16步)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,调用用户自定义的reduce()方法)。