第10节：MapReduce案例分析，MapReduce、自定义分区、MapReduce小文件优化

本文主要是介绍第10节：MapReduce案例分析，MapReduce、自定义分区、MapReduce小文件优化，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

MapReduce框架原理

3.1 MapReduce工作流程

1）流程示意图

2）流程详解
上面的流程是整个mapreduce最全工作流程，但是shuffle过程只是从第7步开始到第15步结束，
具体shuffle过程详解，如下：
1）maptask收集我们的map()方法输出的kv对，放到内存缓冲区中
2）从内存缓冲区不断溢出本地磁盘文件，可能会溢出多个文件
3）多个溢出文件会被合并成大的溢出文件
4）在溢出过程中，及合并的过程中，都要调用partitioner进行分区和针对key进行排序
5）reducetask根据自己的分区号，去各个maptask机器上取相应的结果分区数据
6）reducetask会取到同一个分区的来自不同maptask的结果文件，reducetask会将这些文件再进行合并
（归并排序）
7）合并成大文件后，shuffle的过程也就结束了，后面进入reducetask的逻辑运算过程
（从文件中取出一个一个的键值对group，调用用户自定义的reduce()方法）3）注意
Shuffle中的缓冲区大小会影响到mapreduce程序的执行效率，原则上说，
缓冲区越大，磁盘io的次数越少，执行速度就越快。
缓冲区的大小可以通过参数调整，参数：io.sort.mb  默认100M。

3.2 InputFormat数据输入

3.2.1 Job提交流程和切片源码详解

1）job提交流程源码详解

waitForCompletion()
submit();
// 1建立连接connect();	// 1）创建提交job的代理new Cluster(getConfiguration());// （1）判

这篇关于第10节：MapReduce案例分析，MapReduce、自定义分区、MapReduce小文件优化的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---