MapReduce

MapReduce

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

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

MapReduce优化

Shuffle