Hadoop中mapreduce中的shuffle执行流程

执行过程  

1、Map任务处理  

1.1 读取HDFS中的文件。每一行解析成一个<k,v>。每一个键值对调用一次map函数。                        

<0,hello you>  <10,hello me>  

1.2 覆盖map()，接收1.1产生的<k,v>，进行处理，转换为新的<k,v>输出。   <hello,1> <you,1> <hello,1> <me,1>  

1.3 对1.2输出的<k,v>进行分区。默认分为一个区。  

1.4 对不同分区中的数据进行排序（按照k）、分组。分组指的是相同key的value放到一个集合中。   排序后：<hello,1> <hello,1> <me,1> <you,1> 分组后：<hello,{1,1}><me,{1}><you,{1}>  

1.5 （可选）对分组后的数据进行归约：Combiner。  

2、Reduce任务处理  

2.1 多个map任务的输出，按照不同的分区，通过网络copy到不同的reduce节点上。  

2.2 对多个map的输出进行合并、排序。覆盖reduce函数，接收的是分组后的数据，实现自己的业务   逻辑，<hello,2> <me,1> <you,1>处理后，产生新的<k,v>输出。  

2.3 对reduce输出的<k,v>写到HDFS中。