Hadoop-2.4.1学习之Map任务源码分析(下)

Posted 2022-12-04 skyWalker_ONLY

      在Map任务源码分析（上）中，对MAP阶段的代码进行了学习，这篇文章文章将学习Map任务的SORT阶段。如果Reducer的数量不为0，则还需要进行SORT阶段，但从上面的学习中并未发现与MAP阶段执行完毕调用mapPhase.complete()类似的在SORT阶段执行完毕调用sortPhase.complete()的源码，那SORT阶段是在什么时候启动的？对于Map任务来说，有输入就有输出，输入由RecordReader负责，输出则由RecordWriter负责，当Reducer的数量不为0时，RecordWriter为NewOutputCollector（该类为MapTask的私有内部类），SORT阶段对map的输出进行处理，由此推断SORT阶段的工作是由NewOutputCollector完成的，下面将通过分析NewOutputCollector的源代码要验证这一推断是否成立。该类继承自RecordWriter，拥有的变量如下：

private final MapOutputCollector<K,V> collector;//负责实际的输出操作
private final org.apache.hadoop.mapreduce.Partitioner<K,V> partitioner;//对键空间进行分区
private final int partitions;//分区数量，与Reducer的数量相同

      该类的构造函数如下：

collector = createSortingCollector(job, reporter);
partitions = jobContext.getNumRed