MR计算框架

Posted 2020-12-15 coeus-p

map数量

• 计算向数据移动，map计算框架移动到Block

• map和Block不是一一对应，map与逻辑片（split）一一对应。原因：单个块可能过大，map处理时间长。所以block逻辑分块，多来几个map

reduce数量

• 按理说reduce应该和key数量一样，但是可能存在不同key对应的数据量不一样，有的太累有的太闲

• 一个reduce可以处理不同的key

• 死板：同一个key必须在一个reduce 上执行

四个阶段

• 切片

• map

• shuffle：相同的key成一组，交给同一个reduce处理

• reduce

• buffer in memory： 内存缓冲区

• partition sort： 相同的key放在一起 第一次排序（分区排序）

• key1 key2 交给同一个reduce，但是第一次排序完成了把key1 key2放在一个partion，但是内部是无序的

• map阶段的 第二次排序， partion内部排序

• buffer满了以后不是立即发到reduce，因为buffer size小，用一次传输不值得

• 所以buffer满了以后 先spill to disk 溢写到磁盘

• 多个溢写小文件merge to disk第三次排序

• shuffle：多个map产生多个merge to disk，reduce不能说来一个map我处理一次，所以在这之前先第四次排序归并排序