Hadoop技术内幕读书笔记-mapreduce架构

trssc

Hadoop MapReduce也采用了Master/Slave（M/S）架构。它主要由以下几个组件组成：Client、JobTracker、 TaskTracker和Task。下面分别对这几个组件进行介绍。



（1）Client
用户编写的mapReduce程序通过client提交到JobTracker；同时可以通过Client提供的一些接口查看作业运行状态。
（2）JobTracker
JobTracker主要负责资源监控和作业调度。JobTracker监控所有TaskTracker与作业的健康状况，一旦发现失败情况后，其会将相应的任务转移到其他节点；同时，JobTracker会跟踪任务的执行进度、资源使用量等信息，并将这些信息告诉任务调度器，而调度器会在资源出现空闲时，选择合适的任务使用这些资源。
（3）TaskTracker
TaskTracker会周期性地通过Heartbeat将本节点上资源的使用情况和任务的运行进度汇报给JobTracker，同时接收JobTracker发送过来的命令并执行相应的操作（如启动新任务、杀死任务等）。
（4）Task
Task分为Map Task和Reduce Task两种，均由TaskTracker启动。对于MapReduce而言，其处理单位是split。split是一个逻辑概念，它只包含一些元数据信息，比如数据起始位置、数据长度、数据所在节点等。它的划分方法完全由用户自己决定。但需要注意的是，split的多少决定了Map Task的数目，因为每个split会交由一个Map Task处理。
Map Task执行过程如下：

（1）首先将对应split迭代解析为key/value对
（2）依次调用用户自定义的map（）方法，最终生成的临时文件放在本地磁盘
（3）临时文件被分成若干个partition，每个patition将被一个Reduce Task处理
Reduce Task执行过程如下：

（1）从远程节点读取Map Task中间结果（shuffle阶段，洗牌）
（2）按照key对key/value对进行排序（sort阶段）
（3）依次读取<key,value list>,调用Reduce函数处理，将最终结果生成至HDFS上（reduce阶段）