处理一个mapreduce作业主要包括哪几个过程

Question

如题所述

Answer 1

处理一个mapreduce作业主要包括的过程如下：

1.输入数据切片

在开始执行作业之前，输入数据会被切片成若千个小块。每个小块通常大小为64MB-128MB左右。

2.Map任务执行

每个Worker节点会启动若个Mapper线程来处理输入数据切片。每个Mapper线程负责读取一个输入数据切片，并将其转换为键值对。Mapper线程会将中间结果写入本地磁盘。

3.中间结果的合并和排序

在Map阶段结束后，所有的中间结果会被合并到一起，并按照键进行排序。这个过程通常由Master节点来完成。

4.Reduce任务执行

在Reduce阶段，每个Worker节点会启动若干个Reducer线程来处理中间结果。每个Reducer线程负责读取一个或多个中间结果文件，并将它们聚合成最终的输出结果。Reducer线程会将最终结果写入本地磁盘。

5.最终输出

在Reduce阶段结束后，所有的最终结果会被合并到一起，并输出到指定的目录下。这个过程通常由Master节点来完成。

MapReduce简介

MapReduce是一种编程模型，用于大规模数据集(大于1TB)的并行运算。概念"Map(映射)"和"Reduce(归约)"，和它们的主要思想，都是从函数式编程语言里借来的，还有从矢量编程语言里借来的特性。

它极大地方便了编程人员在不会分布式并行编程的情况下，将自己的程序运行在分布式系统上。当前的软件实现是指定一个Map(映射)函数，用来把一组键值对映射成一组新的键值对，指定并发的Reduce(归约)函数，用来保证所有映射的键值对中的每一个共享相同的键组。