Hadoop的MapReduce的工作机制剖析

gacvd

Hadoop的MapReduce的工作机制剖析
 
安装完hadoop之后我们肯定第一个就要先跑跑Wordcount的实例，这个实例的运行机制就是MapReduce.什么叫MapReduce呢，你可以把他分为Map和Reduce两个过程。
Mapper 
nMap-reduce的思想就是“分而治之” 
nMapper负责“分”，即把复杂的任务分解为若干个“简单的任务”执行 
n“简单的任务”有几个含义：1 数据或计算规模相对于原任务要大大缩小；2 就近计算，即会被分配到存放了所需数据的节点进行计算；3 这些小任务可以并行计算，彼此间几乎没有依赖关系 
Reducer 
n对map阶段的结果进行汇总 
nReducer的数目由mapred-site.xml配置文件里的项目mapred.reduce.tasks决定。缺省值为1，用户可以覆盖之 
接下来我们看看MapReduce的运行图
 

 
这个图有十个步骤，代表了MapReduce的运行机制：
<!--[if !supportLists]-->1.<!--[endif]-->首先编写好MapReduce Programe作业，也就是JAVA代码，然后由其中任一节点进行提交。
<!--[if !supportLists]-->2.<!--[endif]-->由JobClient向JobTracker来申请一个作业或者说任务ID，用来申请加入任务列表中。
<!--[if !supportLists]-->3.<!--[endif]-->通过HDFS系统，把任务源代码也就是JAVA代码发送到各个节点里面去
<!--[if !supportLists]-->4.<!--[endif]-->提交任务，正式加入到任务列表中来完成
<!--[if !supportLists]-->5.<!--[endif]-->初始化任务，比如建立数据结构，记录Job运行情况等
<!--[if !supportLists]-->6.<!--[endif]-->通过HDFS向Namenode来询问文件分布在哪些节点里面，得到这些索引
<!--[if !supportLists]-->7.<!--[endif]-->通过TaskTracker和JobTracker每分钟一次的心跳联系来获知哪些节点可以运行任务，比如死机或者正忙的节点就不会进行任务
<!--[if !supportLists]-->8.<!--[endif]-->确定好需要执行任务的节点或者说TaskTracker后，会通过HDFS来获取任务的JAVA代码
<!--[if !supportLists]-->9.<!--[endif]-->需要完成任务的节点开始在本地架设虚拟机准备开始执行任务
<!--[if !supportLists]-->10.<!--[endif]-->运行任务