1.5MapReduce计算任务的步骤(要深刻理解)
1.核心思想
分而治之,先分后和:将一个大的、复杂的工作或任务,拆分成多个小任务,最终合并。
是由Map和组成
Map:将数据进行拆分
:对数据进行汇总
1.2偏移量
行首字母或字符移动到当前文件的最前面需要移动的字符个数
1.与Java数据类型对比
Java类型:int、long、, float、 、
类型:、、、、、[Text]、
1.输出理解
Map的输出是key value 的list
的输出是key value的list
1.计算任务的步骤(要深刻理解)
第1步:
到hdfs上读取数据
将数据传给Split
第2步:Split
//设置读取数据的路径 .(job,new Path(“C:\bbb.txt”)); //3、设置Map job.(.class); //设置map输出的类型 job.(Text.class); job.ss(.class); //4、设置代码 job.(.class); //设置输出的类型 job.(Text.class); job.(.class); //5、设置读输出数据的class job.(.class); //设置输出数据的路径 .(job,new Path(“C:\ccc.txt”)); //6、等待代码执行(返回状态码) job.(true)?0:1;
Split将数据进行逻辑切分,
将数据传给RR
第3步:RR
RR:将传入的数据转换成一行一行的数据,输出行首字母偏移量和偏移量对应的数据
将数据传给MAP
第4步:MAP
MAP:根据业务需求实现自定义代码
将数据传给的
第5步:
:按照一定的分区规则,将key value的list进行分区。
将数据传给的Sort
第6步:Sort
Sort:对分区内的数据进行排序
将数据传给的
第7步:
:对数据进行局部聚合。
将数据传给的Group
第8步:Group
Group:将相同key的key提取出来作为唯一的key,
将相同key对应的value获取出来作为value的list
将数据传给
第9步:
:根据业务需求进行最终的合并汇总。
将数据传给
第10步:
:将数据写入HDFS
步骤总体流程图
Map将拆分的数据传给(混洗),而的底层原理又分为四步,分组完成后的数据在传入到
阶段的分区算法原理(很重要)
算法:对key进行哈希,获取到一个哈希值,用哈希值与的数量取余。余几,这个数据就放在余数编号的中。
Map的数量不能人为设置,的数量可以人为设置。数量越多,计算速度越快。
job.setNumReduceTasks(3);
打包代码到集群运行需添加驱动的类
job.setJarByClass(WordCountDriver.class);
的添加 对数据进行局部聚合。
job.setCombinerClass(WordCountReduce.class);
的意义就是对每一个 的输出进行局部汇总,以减小网络传输量
未使用的网络开销
1.6 Split的逻辑切分(重点)
获取到读取到的数据,对数据进行逻辑切分,切分的大小是128M.
这里的128 与HDFS数据块的128没有任何关系
HDFS 128 是存储层面的数据切分
是计算层面的128,只不过数据恰好相等。
两个128相同的原因是,一个集成程序能够正好计算一个数据块。