A股上市公司传智教育(股票代码 003032)旗下技术交流社区北京昌平校区

 找回密码
 加入黑马

QQ登录

只需一步,快速开始

MapReduce1.x架构


客户端向JobTracker提交一个作业,JobTracker把这个作业拆分成很多份,然后分配给TaskTracker(任务执行者)去执行,TaskTracker会隔一段时间向JobTracker发送心跳信息,如果JobTracker在一段时间内没有收到TaskTracker的心跳信息,JobTracker会认为TaskTracker死掉了,会把TaskTracker的作业任务分配给其他TaskTracker。

MapReduce1.x架构存在的问题:

1.JobTracker节点压力大
2.单点故障
3.只能跑mapreduce作业

MapReduce2.x架构

MapReduce就是分而治之的理念,把一个复杂的任务划分为若干个简单的任务分别来做。把一些数据通过map来归类,通过reducer来把同一类的数据进行处理。map的工作就是切分数据,然后给他们分类,分类的方式就是以key,value(键值对) 分类之后,reduce拿到的都是同类数据进行处理

MapReduce执行流程

1.客户端提交一个作业

2.JobClient与JobTracker通信,JobTracker返回一个JobID

3.JobClient复制作业资源文件

将运行作业所需要的资源文件复制到HDFS上,包括MapReduce程序打包的JAR文件、配置文件和客户端计算所得的输入划分信息。这些文件都存放在JobTracker专门为该作业创建的文件夹中。文件夹名为该作业的Job ID。JAR文件默认会有10个副本(mapred.submit.replication属性控制);输入划分信息告诉了JobTracker应该为这个作业启动多少个map任务等信息。

4.开始提交任务(任务的描述信息:包括jobid,jar存放的位置,配置信息等等)

5.初始化任务。创建作业对象

JobTracker接收到作业后,将其放在一个作业队列里,等待作业调度器对其进行调度

6.对HDFS上的资源文件进行分片,每一个分片对应一个MapperTask

当作业调度器根据自己的调度算法调度到该作业时,会根据输入划分信息为每个划分创建一个map任务,并将map任务分配给TaskTracker执行

7.TaskTracker会向JobTracker返回一个心跳信息(任务的描述信息),根据心跳信息分配任务

TaskTracker每隔一段时间会给JobTracker发送一个心跳,告诉JobTracker它依然在运行,同时心跳中还携带着很多的信息,比如当前map任务完成的进度等信息。当JobTracker收到作业的最后一个任务完成信息时,便把该作业设置成“成功”。当JobClient查询状态时,它将得知任务已完成,便显示一条消息给用户。

8.TaskTracker从HDFS上获取作业资源文件

对于map和reduce任务,TaskTracker根据主机核的数量和内存的大小有固定数量的map槽和reduce槽。这里需要强调的是:map任务不是随随便便地分配给某个TaskTracker的,这里有个概念叫:数据本地化(Data-Local)。意思是:将map任务分配给含有该map处理的数据块的TaskTracker上,同时将程序JAR包复制到该TaskTracker上来运行,这叫“运算移动,数据不移动”。而分配reduce任务时并不考虑数据本地化。

9.登录到子JVM

10.TaskTracker启动一个child进程来执行具体任务

Map端:

1.每个输入分片会让一个map任务来处理,默认情况下,以HDFS的一个块的大小(默认为64M)为一个分片,当然我们也可以设置块的大小。map输出的结果会暂且放在一个环形内存缓冲区中(该缓冲区的大小默认为100M,由io.sort.mb属性控制),当该缓冲区快要溢出时(默认为缓冲区大小的80%,由io.sort.spill.percent属性控制),会在本地文件系统中创建一个溢出文件,将该缓冲区中的数据写入这个文件。

2.在写入磁盘之前,线程首先根据reduce任务的数目将数据划分为相同数目的分区,也就是一个reduce任务对应一个分区的数据。这样做是为了避免有些reduce任务分配到大量数据,而有些reduce任务却分到很少数据,甚至没有分到数据的尴尬局面。其实分区就是对数据进行hash的过程。然后对每个分区中的数据进行排序,如果此时设置了Combiner,将排序后的结果进行Combia操作,这样做的目的是让尽可能少的数据写入到磁盘。

3.当map任务输出最后一个记录时,可能会有很多的溢出文件,这时需要将这些文件合并。合并的过程中会不断地进行排序和combia操作,目的有两个:1.尽量减少每次写入磁盘的数据量;2.尽量减少下一复制阶段网络传输的数据量。最后合并成了一个已分区且已排序的文件。为了减少网络传输的数据量,这里可以将数据压缩,只要将mapred.compress.map.out设置为true就可以了。

4.将分区中的数据拷贝给相对应的reduce任务。有人可能会问:分区中的数据怎么知道它对应的reduce是哪个呢?其实map任务一直和其父TaskTracker保持联系,而TaskTracker又一直和JobTracker保持心跳。所以JobTracker中保存了整个集群中的宏观信息。只要reduce任务向JobTracker获取对应的map输出位置就ok了哦。

Reduce端:

1.Reduce会接收到不同map任务传来的数据,并且每个map传来的数据都是有序的。如果reduce端接受的数据量相当小,则直接存储在内存中(缓冲区大小由mapred.job.shuffle.input.buffer.percent属性控制,表示用作此用途的堆空间的百分比),如果数据量超过了该缓冲区大小的一定比例(由mapred.job.shuffle.merge.percent决定),则对数据合并后溢写到磁盘中。

2.随着溢写文件的增多,后台线程会将它们合并成一个更大的有序的文件,这样做是为了给后面的合并节省时间。其实不管在map端还是reduce端,MapReduce都是反复地执行排序,合并操作,现在终于明白了有些人为什么会说:排序是hadoop的灵魂。

3.合并的过程中会产生许多的中间文件(写入磁盘了),但MapReduce会让写入磁盘的数据尽可能地少,并且最后一次合并的结果并没有写入磁盘,而是直接输入到reduce函数。

以下是mapreduce统计单词的单元测试


  • package com.kgc.hadoop;







  • import org.apache.hadoop.conf.Configuration;



  • import org.apache.hadoop.fs.FileSystem;



  • import org.apache.hadoop.fs.Path;



  • import org.apache.hadoop.io.LongWritable;



  • import org.apache.hadoop.io.Text;



  • import org.apache.hadoop.mapreduce.Job;



  • import org.apache.hadoop.mapreduce.Mapper;



  • import org.apache.hadoop.mapreduce.Reducer;



  • import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;



  • import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;







  • import java.io.IOException;







  • /**



  • * Created by ASUS on 2017/7/25.



  • */



  • public class MapReduceApp {



  •     //第一个参数输入的k,第二个参数是输入的内容字符串类型,第三个参数输出的value类型,第四个输出的词频的个数



  •     //第一个参数是这个文件的偏移量,第二个参数一行一行的数据,第三个参数按照分隔符把第二个参数分割,第四个参数出现的次数,赋值上1



  •     public static class MyMapper extends Mapper<LongWritable,Text,Text,LongWritable>{



  •         LongWritable one = new LongWritable(1);



  •         @Override



  •         protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {



  •             //拿到输入的值



  •             String line = value.toString();//接受每一行数据



  •             //对拿到的值以指定分隔符进行分割,得到的是一个字符串数组



  •             String[] words= line.split("\t");//按照指定的分隔符进行拆分



  •             //给每个单词进行迭代,



  •             for (String word : words){



  •                 //借助上下文,第一个参数是解析出来的单词,第二个参数是1



  •                 context.write(new Text(word),one);//通过上下文,把map的处理结果输出



  •             }



  •         }



  •     }



  •     //第一个参数和第二个参数就是map的输出,是reduce是输入,第三和第四个是reduce是输出



  •     //第一个参数和第二个参数reduce输入必须要和map输出一样,第三和第四个是reduce是输出



  •     public static class MyReduce extends Reducer<Text,LongWritable,Text,LongWritable>{



  •         //key就是map发过来的word,values就是一堆的1,Iterable<LongWritable> values是reudce输入,可以理解为一堆的1



  •         @Override



  •         protected void reduce(Text key, Iterable<LongWritable> values, Context context) throws IOException, InterruptedException {



  •             //下面做的是把一堆的1加起来



  •             long sum = 0;



  •             for (LongWritable value : values){



  •                 sum+= value.get();//求出现的总数



  •             }



  •             context.write(key,new LongWritable(sum));//最终统计结果的输出



  •         }



  •     }



  •     //封装mapreduce作业所有信息



  •     public static void main(String[] args) throws Exception {



  •         //创建Configuration



  •         Configuration configuration = new Configuration();







  •         //准备/清理环境



  •         Path outputPath = new Path(args[1]);



  •         FileSystem fs = FileSystem.get(configuration);



  •         if (fs.exists(outputPath)){



  •             fs.delete(outputPath,true);



  •         }







  •         //创建job,wordcount是job的名称



  •         Job job =Job.getInstance(configuration,"wordcount");



  •         //设置job处理类,就是主类



  •         job.setJarByClass(MapReduceApp.class);



  •         //处理数据,就必须有一个输入路径,第一个参数job的名称,第二个参数是Path



  •         FileInputFormat.setInputPaths(job,new Path(args[0]));//设置作业处理的路径







  •         //设置map相关的



  •         job.setMapperClass(MyMapper.class);//设置MyMapper.class



  •         job.setOutputKeyClass(Text.class);//设置map输出key的类型,是Text



  •         job.setMapOutputValueClass(LongWritable.class);//设置map输出的value的类型







  •         //设置reduce相关的



  •         job.setReducerClass(MyReduce.class);//设置MyReduce.class



  •         job.setOutputKeyClass(Text.class);//设置reduce输出key的类型,是Text



  •         job.setMapOutputValueClass(LongWritable.class);//设置reduce输出的value的类型







  •         //设置作业处理的输出路径



  •         FileOutputFormat.setOutputPath(job,new Path(args[1]));



  •         boolean result = job.waitForCompletion(true);//把作业提交



  •         System.exit(result ? 0 : 1);//0就是true



  •     }



  • }




上一篇迭代器与生成器(python)简述

0 个回复

您需要登录后才可以回帖 登录 | 加入黑马