MapReduce執行流程圖

概述

MapReduce是一種分布式計算模型，由Google提出，主要用于搜索領域，解決海量數據的計算問題。

MapReduce是分布式運行的，由兩個階段組成：Map和Reduce，Map階段是一個獨立的程序，有很多個節點同時運行，每個節點處理一部分數據。

Reduce階段是一個獨立的程序，有很多個節點同時運行，每個節點處理一部分數據。

使用

MapReduce框架都有默認實現，用戶只需要覆蓋map()和reduce()兩個函數，即可實現分布式計算，非常簡單。

這兩個函數的形參和返回值都是，使用的時候一定要注意構造。

執行流程(此處舉例說明)

一個文本(在HDFS上面保存，兩個block)中每一個單詞的出現的次數： 
    hello you hello marry 
    hello me really 
            ----->block-1 
             
    hello kate ready 
    xiao wang hello tomcat 
            ----->block-2 

1.獲取每一個block塊中的文本，遍歷所有，回去其中的一行str

因為要統計的是每一個單詞i的次數，所以還需要直到文本中有哪些單詞，可以根據字符串的特點，使用split()進行切割。

String[] words=str.split(""); 

根據要求，需將每一個單詞i轉換為的形式，k為單詞本身，v為單詞出現的次數。

2.因為mr的計算是分布式的 ，每一個map(稱之為一個mapper task)計算其中的一個block塊數據。

map階段： 
    輸入<K1,V1> 
        k1，偏移量，v1，當前行文本內容 
        map()函數操作 
    輸出<K2,V2> 
        k2，具體單詞，v2，單詞對應的統計項，比如次數 
    輸出<K2,V2> 

shuffle階段 
研究后發現，如果按照<key,1>這種方式向reduce輸出數據的時候，會有 
大量的冗余數據。 
比如map階段之后有5個hello,則輸出<hello,1>,<hello,1>,<hello,1>, 
<hello,1>,<hello,1>5次，實際上會對網絡造成一定的壓力，能不能對 
這5個<hello,1>進行一個進入reduce之前的本地組合？比如成為 
<hello,5>或者<hello,[1,1,1,1,1]>. 
這個過程成為shuffle，洗牌重組階段，達到上述的結果，稱之為規約。 
>>>shuffle階段，也就是對map的輸出進行重新洗牌： 
分區、分組、排序 
<K2,V2>...===><K2,V2s> 

reduce階段 
接收map的輸出結果<key,values> 
對這個結果進行匯總統計，針對values，進行簡單的累加，計算得出key 
對應的次數 
reduce針對一個key調用一次reduce()函數 
=====>reduce 階段 
輸入<K2,V2> 
    K2,就是map的輸出的K2，V2s是map經過shuffle之后的結果集 
    reduce()函數操作 
轉化為<K3,V3>   

經過上述操作之后，系統會將計算結果輸出給用戶，一般會先存儲(落地)到hdfs，然后反饋給用戶。

到此為止，MapReduce執行完畢，接下來就可以進行大數據的其他一系列操作了。