【MapReduce】---- MR 框架原理 之 Shuffle机制
本文共 581 字，大约阅读时间需要 1 分钟。
文章目录
♑ 定义
Map方法之后，Reduce方法之前的数据处理过程称之为Shuffle。
♑ Map方法之后Shuffle过程
♬ 分区
- 在溢写之前对环形缓冲区中的数据集进行分区操作
♬ 排序
- 在溢写之前对环形缓冲区中分区的数据集进行排序，按照分区进行
♬ Combiner（可选）
- 在溢写到磁盘之前，如果是汇总操作，可以利用Combiner对数据进行分区合并，最终溢写到磁盘上
♬ 分区归并排序
- 将分区上的数据集进行归并，同一分区上的数据集合并，排序（如果符合条件还可以继续进行Combiner合并）
♬ 压缩
- 对处理好的数据进行压缩
♬ 写磁盘
- 将压缩好的数据写到磁盘上，按分区输出
♑ Reduce方法之前Shuffle过程
主要包括以下几步：
♬ 拷贝
- 将map处理输出的同一分区数据拷贝到内存中，若内存不够，溢出到磁盘中（同时开启一个RecuceTask来处理该分区的数据）
♬ 归并排序
- 将内存和磁盘上的数据集进行归并，也就是在每个开启的ReduceTask中，对从不同MapTask中拉取过来的相同分区的数据进行合并，之后对每个ReduceTask上合并的总数据集再进行排序。
♬ 分组
- 对归并好的数据按照相同的key进行分组，等待reduce()来对同组数据进行处理，也就是相同key的数据进入同一个reduce()方法。
转载地址：http://ckeq.baihongyu.com/
你可能感兴趣的文章
mysql 删除日志文件详解
查看>>
mysql 判断表字段是否存在，然后修改
查看>>
mysql 协议的退出命令包及解析
查看>>
mysql 取表中分组之后最新一条数据 分组最新数据 分组取最新数据 分组数据 获取每个分类的最新数据
查看>>
mysql 多个表关联查询查询时间长的问题
查看>>
mySQL 多个表求多个count
查看>>
mysql 多字段删除重复数据，保留最小id数据
查看>>
MySQL 多表联合查询：UNION 和 JOIN 分析
查看>>
MySQL 大数据量快速插入方法和语句优化
查看>>
mysql 如何给SQL添加索引
查看>>
mysql 字段区分大小写
查看>>
mysql 字段合并问题（group_concat）
查看>>
mysql 字段类型类型
查看>>
MySQL 字符串截取函数,字段截取，字符串截取
查看>>
MySQL 存储引擎
查看>>
mysql 存储过程 注入_mysql 视图 事务 存储过程 SQL注入
查看>>
MySQL 存储过程参数：in、out、inout
查看>>
mysql 存储过程每隔一段时间执行一次
查看>>
mysql 存在update不存在insert
查看>>
Mysql 学习总结（86）—— Mysql 的 JSON 数据类型正确使用姿势
查看>>