【MR】从wordcount看MapReduce的工作机制

MapReduce的工作机制

物理实体
参与MapReduce作业执行涉及4个独立的实体：

1. 客户端（client）：编写mapreduce程序，配置job，提交job，这就是程序员完成的工作；
2. JobTracker：初始化job，分配job，与TaskTracker通信，协调整个作业的执行；
3. TaskTracker：保持与JobTracker的通信（定时发送心跳），在分配的数据片段上执行Map或Reduce任务，TaskTracker和JobTracker的不同有个很重要的方面，就是在执行任务时候TaskTracker可以有n多个，JobTracker则只会有一个
4. Hdfs：保存作业的数据、配置信息等等，最后的结果也是保存在hdfs上面

逻辑实体

1. input split: 发生在map计算前，每个split对应一个map。split与hdfs的块大小有关
2. map: 由程序员实现 ，一般map操作都是本地化操作也就是在数据存储节点上进行，输入键值对：(k1, v1)，输出键值对：(k2, v2)。
3. combiner: 可选，本地化reduce操作，让写入磁盘的数据尽可能少
4. shuffle：map输出到reduce输入的过渡过程。输出放在环形缓冲区（内存），当达到环形缓冲区阈值时，写入溢出文件spill（磁盘），最后合并。接着进行Partitioner操作，一个Partition对应一个reduce
5. reduce: 由程序员实现，最后结果存储在hdfs上。输入键值对：(k3, iterable-v3) ，输出键值对（k4, v4）

参考文章：https://blog.csdn.net/mucaoyx/article/details/82078226
《WordCount背后的MapReduce原理全面详解》