Mapreduce基础介绍

**

Mapreduce基础介绍

介绍
MapReduce是一个分布式运算程序的编程框架,是用户开发“基于 Hadoop的
数据分析应用”的核心框架。
MapReduce核心功能是将用户编写的业务逻辑代码和自带默认组件整合成一个
完整的分布式运算程序,并发运行在一个 Hadoop集群上。
优点：

1.MapReduce易于编程
它简单的实现一些接口,就可以完成一个分布式程序,这个分布式程序可
以分布到大量廉价的PC机器上运行。也就是说你写一个分布式程序,跟写
个简单的串行程序是一模一样的。就是因为这个特点使得 MapReduce编
程变得非常流行。
2.良好的扩展性
当你的计算资源不能得到满足的时候,你可以通过简单的增加机器来扩展
它的计算能力。
3.MapReduce设计的初衷就是使程序能够部署在廉价的PC机器上,这就要求
它具有很高的容错性。比如其中一台机器挂了,它可以把上面的计算任务
转移到另外一个节点上运行,不至于这个任务运行失败,而且这个过程不
需要人工参与,而完全是由 Hadoop内部完成的。
4.适合PB级以上海量数据的离线处理
可以实现上干台服务器集群并发工作,提供数据处理能力。

1)分布式的运算程序往往需要分成至少2个阶段
2)第一个阶段的 Map Task并发实例,完全并行运行,互不相干。
3)第二个阶段的 ReduceTask并发实例互不相干,但是他们的数据依赖于上一个阶段的所有
Map Task并发实例的输出。
4) MapReduce编程模型只能包含一个Map阶段和一个 Reduce阶段,如果用户的业务逻辑非常复杂，
就只能用多个MapReduce程序串行运行。

一 个完整的 MapReduce程序在分布式运行时有三类实例进程*

1.MrAppMaster:负责整个程序的过程调度及状态协调。
负责Map阶段的整个数据处理流程。

2.Map Task ：负责Map阶段的整个数据处理流程。
(1)用户自定义的 Mapper要继承自己的父类
(2) Mapper的输入数据是KV对的形式(KV的类型可自定义)
(3) Mapper中的业务逻辑写在map(方法中
(4)Mapr的输出数据是KV对的形式(KV的类型可自定义)
(5)map(方法( MapTask进程)对每一个K V调用一次

3. Reduce task:负责 Reduce阶段的整个数据处理流程
主要对每对KV值按要求进行计算

Driver的作用：
(1)取配置信息,获取job对象实例
(2)指定本程序的a包听在的本地路径
(3)关联 Mapper/ reducer业务类
(4)指定 Mapper输出数据的kv型
(5)指定最终输出的数据的k类型
(6)指定job的输入原始文件所在目录
(7)指定job的输出结果所在目录
(8)提交作业