2021-02-06 分类: 网站建设
MapReduce执行流程图
概述
MapReduce是一种分布式计算模型,由Google提出,主要用于搜索领域,解决海量数据的计算问题。
MapReduce是分布式运行的,由两个阶段组成:Map和Reduce,Map阶段是一个独立的程序,有很多个节点同时运行,每个节点处理一部分数据。
Reduce阶段是一个独立的程序,有很多个节点同时运行,每个节点处理一部分数据。
使用
MapReduce框架都有默认实现,用户只需要覆盖map()和reduce()两个函数,即可实现分布式计算,非常简单。
这两个函数的形参和返回值都是,使用的时候一定要注意构造。
- 一个文本(在HDFS上面保存,两个block)中每一个单词的出现的次数:
- hello you hello marry
- hello me really
- ----->block-1
- hello kate ready
- xiao wang hello tomcat
- ----->block-2
1.获取每一个block块中的文本,遍历所有,回去其中的一行str
因为要统计的是每一个单词i的次数,所以还需要直到文本中有哪些单词,可以根据字符串的特点,使用split()进行切割。
- String[] words=str.split("");
根据要求,需将每一个单词i转换为的形式,k为单词本身,v为单词出现的次数。
2.因为mr的计算是分布式的 ,每一个map(称之为一个mapper task)计算其中的一个block块数据。
- map阶段:
- 输入<K1,V1>
- k1,偏移量,v1,当前行文本内容
- map()函数操作
- 输出<K2,V2>
- k2,具体单词,v2,单词对应的统计项,比如次数
- 输出<K2,V2>
- shuffle阶段
- 研究后发现,如果按照<key,1>这种方式向reduce输出数据的时候,会有
- 大量的冗余数据。
- 比如map阶段之后有5个hello,则输出<hello,1>,<hello,1>,<hello,1>,
- <hello,1>,<hello,1>5次,实际上会对网络造成一定的压力,能不能对
- 这5个<hello,1>进行一个进入reduce之前的本地组合?比如成为
- <hello,5>或者<hello,[1,1,1,1,1]>.
- 这个过程成为shuffle,洗牌重组阶段,达到上述的结果,称之为规约。
- >>>shuffle阶段,也就是对map的输出进行重新洗牌:
- 分区、分组、排序
- <K2,V2>...===><K2,V2s>
- reduce阶段
- 接收map的输出结果<key,values>
- 对这个结果进行汇总统计,针对values,进行简单的累加,计算得出key
- 对应的次数
- reduce针对一个key调用一次reduce()函数
- =====>reduce 阶段
- 输入<K2,V2>
- K2,就是map的输出的K2,V2s是map经过shuffle之后的结果集
- reduce()函数操作
- 转化为<K3,V3>
经过上述操作之后,系统会将计算结果输出给用户,一般会先存储(落地)到hdfs,然后反馈给用户。
到此为止,MapReduce执行完毕,接下来就可以进行大数据的其他一系列操作了。
网页名称:简单的介绍一下大数据中最重要的MapReduce
标题网址:/news39/99489.html
成都网站建设公司_创新互联,为您提供App设计、静态网站、电子商务、网站导航、移动网站建设、企业网站制作
声明:本网站发布的内容(图片、视频和文字)以用户投稿、用户转载内容为主,如果涉及侵权请尽快告知,我们将会在第一时间删除。文章观点不代表本网站立场,如需处理请联系客服。电话:028-86922220;邮箱:631063699@qq.com。内容未经允许不得转载,或转载时需注明来源: 创新互联
猜你还喜欢下面的内容