在之前的Hadoop是什么 <https://blog.csdn.net/qq_38314823/article/details/80641042>
中已经说过MapReduce采用了分而治之的思想,MapReduce主要分为两部分,一部分是Map——分,一部分是Reduce——合

MapReduce全过程的数据都是以键值对的形式存在的

首先,我们假设我们有一个文件,文件中存了以下内容

hive spark hive hbase
hadoop hive spark
sqoop flume scala

这里涉及到一个偏移量(一个字符或空格为1位)
第一行的偏移量为0,内容为“hive spark hive hbase”
第二行的偏移量为21,内容为“hadoop hive spark”
第三行的偏移量为39,内容为“sqoop flume scala”

* Map
* 输入
MapReduce处理的数据是从HDFS中读出来的
以偏移量为key,内容value,则存在:
(0,“hive spark hive hbase”)
(21,“hadoop hive spark”)
(39,“sqoop flume scala”)
* 输出
将输入的value中的词以空格为分割逐个取出来做key,1做value存起来
(hive,1)
(spark,1)
(hive,1)
(hbase,1)
(hadoop,1)
注意:有多少行,Map就要循环做几次
* shuffle(之后会详细说,这里简单解释)
* 输入
map的输出
* 输出
相同的key的value进行合并
这里合并不是进行累加或别的运算,而是合并到一个集合中
(hive,[1,1,1])
(spark,[1,1])
(hbase,[1])
(hadoop,[1])
。。。。。。
* reduce
* 输入
shuffle的输出
* 输出
根据业务将value进行合并
例如当前的业务就会将value进行累加
MapReduce处理数据五步走

整个MapReduce程序,所有数据以(key,value)形式流动

* 第一步:input
正常情况下不需要写代码
仅仅在MapReduce程序运行的时候指定一个路径即可

* 第二步:map(核心)
map(key,value,output,context)
key:每行数据的偏移量——基本没用
value:每行数据的内容——真正需要处理的内容

* 第三步:shuffle
不需要写代码

* 第四步:reduce(核心)
reduce(key,value,output,context)
key:业务需求中的key
value:要聚合的值

* 第五步:output
正常情况下不需要写代码
仅仅在MapReduce程序运行的时候指定一个路径即可

* 工作原理

友情链接
ioDraw流程图
API参考文档
OK工具箱
云服务器优惠
阿里云优惠券
腾讯云优惠券
华为云优惠券
站点信息
问题反馈
邮箱:ixiaoyang8@qq.com
QQ群:637538335
关注微信