江湖传说永流传:谷歌技术有"三宝",GFS、MapReduce和大表(BigTable)!
谷歌在03到06年间连续发表了三篇很有影响力的文章,分别是03年SOSP的GFS,04年OSDI的MapReduce,和06年OSDI的BigTable
一、mapreduce运行机制
mapreduce运行机制,这些按照时间顺序包括:输入分片(input split)、map阶段、combiner阶段、shuffle阶段和reduce阶段。
1. 输入分片(input split):在进行map计算之前,mapreduce会根据输入文件计算输入分片(input split),每个输入分片(input split)针对一个map任务,输入分片(input split)存储的并非数据本身,而是一个分片长度和一个记录数据的位置的数组,输入分片(input split)往往和hdfs的block(块)关系很密切,假如我们设定hdfs的块的大小是64mb,如果我们输入有三个文件,大小分别是3mb、65mb和127mb,那么mapreduce会把3mb文件分为一个输入分片(input split),65mb则是两个输入分片(input split)而127mb也是两个输入分片(input split),换句话说我们如果在map计算前做输入分片调整,例如合并小文件,那么就会有5个map任务将执行,而且每个map执行的数据大小不均,这个也是mapreduce优化计算的一个关键点。
2. map阶段:就是程序员编写好的map函数了,因此map函数效率相对好控制,而且一般map操作都是本地化操作也就是在数据存储节点上进行;
3. combiner阶段:combiner阶段是程序员可以选择的,combiner其实也是一种reduce操作,因此我们看见WordCount类里是用reduce进行加载的。Combiner是一个本地化的reduce操作,它是map运算的后续操作,主要是在map计算出中间文件前做一个简单的合并重复key值的操作,例如我们对文件里的单词频率做统计,map计算时候如果碰到一个hadoop的单词就会记录为1,但是这篇文章里hadoop可能会出现n多次,那么map输出文件冗余就会很多,因此在reduce计算前对相同的key做一个合并操作,那么文件会变小,这样就提高了宽带的传输效率,毕竟hadoop计算力宽带资源往往是计算的瓶颈也是最为宝贵的资源,但是combiner操作是有风险的,使用它的原则是combiner的输入不会影响到reduce计算的最终输入,例如:如果计算只是求总数,最大值,最小值可以使用combiner,但是做平均值计算使用combiner的话,最终的reduce计算结果就会出错。
4. shuffle阶段:将map的输出作为reduce的输入的过程就是shuffle了,这个是mapreduce优化的重点地方。这里我不讲怎么优化shuffle阶段,讲讲shuffle阶段的原理,因为大部分的书籍里都没讲清楚shuffle阶段。Shuffle一开始就是map阶段做输出操作,一般mapreduce计算的都是海量数据,map输出时候不可能把所有文件都放到内存操作,因此map写入磁盘的过程十分的复杂,更何况map输出时候要对结果进行排序,内存开销是很大的,map在做输出时候会在内存里开启一个环形内存缓冲区,这个缓冲区专门用来输出的,默认大小是100mb,并且在配置文件里为这个缓冲区设定了一个阀值,默认是0.80(这个大小和阀值都是可以在配置文件里进行配置的),同时map还会为输出操作启动一个守护线程,如果缓冲区的内存达到了阀值的80%时候,这个守护线程就会把内容写到磁盘上,这个过程叫spill,另外的20%内存可以继续写入要写进磁盘的数据,写入磁盘和写入内存操作是互不干扰的,如果缓存区被撑满了,那么map就会阻塞写入内存的操作,让写入磁盘操作完成后再继续执行写入内存操作,前面我讲到写入磁盘前会有个排序操作,这个是在写入磁盘操作时候进行,不是在写入内存时候进行的,如果我们定义了combiner函数,那么排序前还会执行combiner操作。
每次spill操作也就是写入磁盘操作时候就会写一个溢出文件,也就是说在做map输出有几次spill就会产生多少个溢出文件,等map输出全部做完后,map会合并这些输出文件。这个过程里还会有一个Partitioner操作,对于这个操作很多人都很迷糊,其实Partitioner操作和map阶段的输入分片(Input split)很像,一个Partitioner对应一个reduce作业,如果我们mapreduce操作只有一个reduce操作,那么Partitioner就只有一个,如果我们有多个reduce操作,那么Partitioner对应的就会有多个,Partitioner因此就是reduce的输入分片,这个程序员可以编程控制,主要是根据实际key和value的值,根据实际业务类型或者为了更好的reduce负载均衡要求进行,这是提高reduce效率的一个关键所在。到了reduce阶段就是合并map输出文件了,Partitioner会找到对应的map输出文件,然后进行复制操作,复制操作时reduce会开启几个复制线程,这些线程默认个数是5个,程序员也可以在配置文件更改复制线程的个数,这个复制过程和map写入磁盘过程类似,也有阀值和内存大小,阀值一样可以在配置文件里配置,而内存大小是直接使用reduce的tasktracker的内存大小,复制时候reduce还会进行排序操作和合并文件操作,这些操作完了就会进行reduce计算了。
5. reduce阶段:和map函数一样也是程序员编写的,最终结果是存储在hdfs上的
二、经典的气象数据例子
相关推荐
官方MapReduce运行机制动画图,详细描述Job的提交流程
Hadoop的核心组件包括HDFS(Hadoop Distributed File System)和MapReduce,这两个组件共同为大数据处理提供了强大的支持。 MapReduce是一种分布式计算模型,由Google提出,Hadoop对其进行了实现。在MapReduce中,...
在大数据处理领域,Hadoop是不可或缺的一个开源框架,它...通过这个实例,你可以深入理解MapReduce的核心机制,并将其应用到更复杂的数据处理任务中。记得在实际运行时,将输入和输出路径替换为实际的文件系统路径。
总的来说,这个“大数据-hadoop-mapreduce代码”资源对于想要深入理解Hadoop MapReduce机制,或者需要开发和优化MapReduce应用程序的人来说,是一个宝贵的参考资料。通过研究这些代码,你可以学习到如何处理Hadoop...
Hadoop MapReduce具有强大的容错机制。如果某个任务失败,JobTracker会重新调度该任务,确保数据的完整性。此外,数据的复制策略确保即使有节点故障,数据仍然可用。 5. **Hadoop分布式文件系统(HDFS)**: ...
MapReduce是大数据处理领域中的核心组件,尤其在处理大规模分布式数据集时,它的重要性不言而喻。本书以实例驱动的方式,将复杂的理论知识转化为可操作的代码,使学习过程更加生动有趣。 首先,我们要理解MapReduce...
3. **容错性强**:Hadoop MapReduce具有内置的错误检测和恢复机制,如数据复制和任务重试,即使有节点故障,也能保证数据处理的完整性。 然而,MapReduce也存在一些局限性: 1. **不适合实时计算**:由于MapReduce...
HDFS提供了高吞吐量的数据访问,并且能够应对硬件故障,而MapReduce编程模型则在Hadoop平台上实现了谷歌MapReduce模型的所有功能,并且能够运行在商用硬件集群上。 Hadoop的MapReduce模型提供了一个软件框架,它...
Hadoop作为一个开源的分布式存储与计算框架,在处理大数据方面表现出色,其核心组件HDFS和MapReduce对于理解和运用Hadoop至关重要。 首先,Hadoop的HDFS(Hadoop Distributed File System)是一种高度容错性的系统...
- Hadoop MapReduce 的核心库是由 Java 编写的。 - 使用 Java 开发 MapReduce 应用程序是最常见的做法。 **2. 其他编程语言支持** - **Hadoop Streaming**:允许用户使用任何可执行程序(如 Shell 脚本)作为 ...
它的核心由两个主要部分组成:HDFS(Hadoop Distributed File System)和MapReduce。HDFS提供了高容错性的分布式文件系统,而MapReduce则是一种并行处理和计算模型,用于处理和生成大数据集。 接下来,Phoenix是...
其中,MapReduce作为Hadoop的核心组件之一,提供了分布式数据处理的基本框架。 #### 二、MapReduce概述 MapReduce是一种编程模型,用于大规模数据集(通常大于1TB)的并行运算。这种模型利用大量的计算机节点来...
### Hadoop MapReduce 云计算技术核心知识点解析 #### 一、引言——Hadoop的起源与发展 Hadoop作为一款开源的分布式并行计算平台,在大数据处理领域占据着举足轻重的地位。它最初起源于Doug Cutting领导开发的...
MapReduce是Hadoop框架的核心组件之一,用于处理和生成大数据集。它遵循“分而治之”的策略,将大规模的数据处理任务分解为一系列可并行执行的子任务,分别是Map阶段和Reduce阶段。 **MapTask运行流程:** 1. **...
总之,这个Hadoop-MapReduce项目代码压缩包是一个极好的学习资源,通过它,初学者可以深入理解MapReduce的工作机制,并掌握如何在IDEA中进行Hadoop开发。详细的注释使得学习过程更为轻松,同时也为实践应用打下了...
Hadoop MapReduce是一个专为大规模数据处理设计的分布式计算框架,它是Hadoop生态系统的核心组件之一。MapReduce的实践示例往往涉及到数据的分布式存储、任务的切分、并行处理以及最终的数据汇总。该实践涉及的主要...