简单的介绍一下大数据中最关键的MapReduce
发布时间：2021-08-22 17:46:10 所属栏目：大数据 来源：互联网
导读：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
|
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。
简单的介绍一下大数据中最重要的MapReduce
执行流程(此处举例说明)
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。
 （编辑：大同站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
