WordCount处理过程

阳光穿透心脏的1/2处 2022-02-09 13:45 229阅读 0赞

# Hadoop mapreduce过程key 和value分别存什么值 #

转自：https://www.cnblogs.com/gaopeng527/p/5436820.html

这里以wordCount为例，直接看图就懂了：

（1）inputFormat将hdfs上要处理的文件一行一行的读入，将文件拆分成splits，由于测试用的文件较小，所以每个文件为一个split，并将文件按行分割形成<key,value>对，如图4-1所示。这一步由MapReduce框架自动完成，其中偏移量（即key值）包括了回车所占的字符数（Windows和Linux环境会不同）。

这里是把每个文件按行处理，下图有两个文件，每个文件有两行，每一行的开头字符所在位置的偏移量 ，第一行的开头偏移量自然是0,hello world共10个偏移量，加上中间的空格11个偏移量，回车再算一个，第二行的开头偏移量是12.

[![image][]][image 1]

图4-1 分割过程

2）将分割好的<key,value>对交给用户定义的map方法进行处理，生成新的<key,value>对，如图4-2所示。

这里是用户自定义的map处理程序，每一行的字符按“ ” 分割，分割的每一个元素都记为1，也就是map节点的所有value都是1

[![image][image 2]][image_image 2]

图4-2 执行map方法

3）得到map方法输出的<key,value>对后，Mapper会将它们按照key值进行排序，并执行Combine过程，将key至相同value值累加，得到Mapper的最终输出结果。如图4-3所示。

[![image][image 3]][image_image 3]

图4-3 Map端排序及Combine过程

4）Reducer先对从Mapper接收的数据进行排序，再交由用户自定义的reduce方法进行处理，得到新的<key,value>对，并作为WordCount的输出结果，如图4-4所示。

[![image][image 4]][image_image 4]

图4-4 Reduce端排序及输出结果

[image]: /images/20220206/d7e05543c7f14f4798d0a838f68b0505.png
[image 1]: http://images.cnblogs.com/cnblogs_com/xia520pi/201205/201205161651549641.png
[image 2]: https://images.cnblogs.com/cnblogs_com/xia520pi/201205/201205161651566029.png
[image_image 2]: /images/20220206/51945edf454a458b972bb48a8bc39503.png
[image 3]: https://images.cnblogs.com/cnblogs_com/xia520pi/201205/201205161652006156.png
[image_image 3]: /images/20220206/94cd3e24742647cd90edcc620cd0db1f.png
[image 4]: https://images.cnblogs.com/cnblogs_com/xia520pi/201205/201205161652036731.png
[image_image 4]: /images/20220206/305726d179d44862a0bfe099511b1ba6.png