MapReduce框架原理之开发总结

MapReduce 框架原理之开发总结

1. 输入数据接口：InputFormat

   • 默认使用的实现类：TextInputFormat
   • TextInputFormat 的功能逻辑是：一次读一行文本，然后将该行的起始偏移量作为 key，行内容作为 value 返回。
   • CombineTextInputFormat 可以把多个小文件合并成一个切片处理，提高处理效率。

2. 逻辑处理接口

   用户根据业务需求实现其中三个方法：map() setup() cleanup ()

3. Paritioner 分区

   • 有默认实现 HashPartitioner，逻辑是根据 key 的哈希值和 numReduces 来返回一个分区号；key.hashCode()&Integer.MAXVALUE % numReduces

   • 如果业务上有特别的需求，可以自定义分区。

4. Comparable 排序

   • 当我们用自定义的对象作为 key 来输出时，就必须要实现 WritableComparable 接口，重写其中的 compareTo()方法。

   • 部分排序：对最终输出的每一个文件进行内部排序。

   • 全排序：对所有数据进行排序，通常只有一个 Reduce。

   • 二次排序：排序的条件有两个。

5. Combiner 合并

   Combiner 合并可以提高程序执行效率，减少 IO 传输。但是使用时必须不能影响原有的业务处理结果。

6. 逻辑处理接口：「Reducer」

   用户根据业务需求实现其中三个方法：reduce() setup() cleanup ()

7.输出数据接口：「OutputFormat」

• 默认实现类是 TextOutputFormat，功能逻辑是：将每一个 KV 对，向目标文本文件输出一行。

• 用户还可以自定义 OutputFormat。