Hadoop-MapReduce-详细分析MapReduce工作流程，源码解析-连载中

系统管理员 2023-03-01 11:51 36阅读 0赞

### 文章目录 ###

*   *  1 MapReduce工作流程
     *  2 MapReduce源码解析
     *  3 MapReduce开发总结

## 1 MapReduce工作流程 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyNzI3MDk1_size_16_color_FFFFFF_t_70]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyNzI3MDk1_size_16_color_FFFFFF_t_70 1]  
上面的流程是整个`MapReduce`最全工作流程，但是`Shuffle`过程只是从第7步开始到第16步结束，具体`Shuffle`过程详解，如下：

（1）`MapTask`收集我们的`map()`方法输出的`kv`对，放到内存缓冲区中

（2）从内存缓冲区不断溢出本地磁盘文件，可能会溢出多个文件

（3）多个溢出文件会被合并成大的溢出文件（归并排序）

（4）在溢出过程及合并的过程中，都要调用`Partitioner`进行分区和针对`key`进行排序

（5）`ReduceTask`根据自己的分区号，去各个`MapTask`机器上取相应的结果分区数据

（6）`ReduceTask`会抓取到同一个分区的来自不同`MapTask`的结果文件，`ReduceTask`会将这些文件再进行合并（归并排序）

（7）合并成大文件后，`Shuffle`的过程也就结束了，后面进入`ReduceTask`的逻辑运算过程（从文件中取出一个一个的键值对Group，调用用户自定义的`reduce()`方法）

**注意：**

（1）`Shuffle`中的缓冲区大小会影响到`MapReduce`程序的执行效率，原则上说，缓冲区越大，磁盘io的次数越少，执行速度就越快。

（2）缓冲区的大小可以通过参数调整，参数：`mapreduce.task.io.sort.mb`默认100M。

（3）源码解析流程

## 2 MapReduce源码解析 ##

=================== MapTask ===================

context.write(k, NullWritable.get());   //自定义的map方法的写出，进入
    	output.write(key, value);  
    	//MapTask727行，收集方法，进入两次 
    	collector.collect(key, value,partitioner.getPartition(key, value, partitions));
    		HashPartitioner(); //默认分区器
    	collect()  //MapTask1082行 map端所有的kv全部写出后会走下面的close方法
    		close() //MapTask732行
    			collector.flush() // 溢出刷写方法，MapTask735行，提前打个断点，进入
    			sortAndSpill() //溢写排序，MapTask1505行，进入
    				sorter.sort()   QuickSort //溢写排序方法，MapTask1625行，进入
    			mergeParts(); //合并文件，MapTask1527行，进入
    			collector.close();

=================== ReduceTask ===================

if (isMapOrReduce())  //reduceTask324行，提前打断点
    initialize()   // reduceTask333行,进入
    init(shuffleContext);  // reduceTask375行,走到这需要先给下面的打断点
            totalMaps = job.getNumMapTasks(); // ShuffleSchedulerImpl第120行，提前打断点
             merger = createMergeManager(context); //合并方法，Shuffle第80行
    			// MergeManagerImpl第232 235行，提前打断点
    			this.inMemoryMerger = createInMemoryMerger(); //内存合并
    			this.onDiskMerger = new OnDiskMerger(this); //磁盘合并
    		eventFetcher.start();  //开始抓取数据，Shuffle第107行，提前打断点
    		eventFetcher.shutDown();  //抓取结束，Shuffle第141行，提前打断点
    		copyPhase.complete();   //copy阶段完成，Shuffle第151行
    		taskStatus.setPhase(TaskStatus.Phase.SORT);  //开始排序阶段，Shuffle第152行
    	sortPhase.complete();   //排序阶段完成，即将进入reduce阶段 reduceTask382行
    reduce();  //reduce阶段调用的就是我们自定义的reduce方法，会被调用多次
    	cleanup(context); //reduce完成之前，会最后调用一次Reducer里面的cleanup方法

## 3 MapReduce开发总结 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyNzI3MDk1_size_16_color_FFFFFF_t_70 2]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyNzI3MDk1_size_16_color_FFFFFF_t_70 3]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyNzI3MDk1_size_16_color_FFFFFF_t_70 4]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyNzI3MDk1_size_16_color_FFFFFF_t_70]: /images/20230208/93c361e19ccd4601baaa3a461751c44d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyNzI3MDk1_size_16_color_FFFFFF_t_70 1]: /images/20230208/c207fc9fd911449594eb3601e554143b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyNzI3MDk1_size_16_color_FFFFFF_t_70 2]: /images/20230208/d53627b20edf4029a22508a02143b75b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyNzI3MDk1_size_16_color_FFFFFF_t_70 3]: /images/20230208/9e790bc61a914b60b28b46cee3843857.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyNzI3MDk1_size_16_color_FFFFFF_t_70 4]: /images/20230208/299eb9fcd7614ec79a5c12a0119f153d.png