hadoop的shuffle过程
1. shuffle: 洗牌、发牌——(核心机制:数据分区,排序,缓存);
shuffle具体来说:就是将maptask输出的处理结果数据,分发给reducetask,并在分发的过程中,对数据按key进行排序;
2. shuffle缓存流程:
shuffle是MapReduce处理流程中的一个过程,每一个处理步骤是分散在各个maptask和reducetask节点上完成的,整体来看,分为三个操作:
1)分区partition;
2)根据key进行sort排序;
3)Combiner进行局部value的合并;
(这里再提一下Combiner和reduce的区别:
Combiner是在每一个maptask所在的节点运行
Reducer是接收全局所有Mapper的输出结果;
)
3. 详细流程:
1)maptask收集map()方法输出的key-Value对,放到内存缓冲区(环形缓冲区)中;
2)从内存缓冲区中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)在溢出的过程以及合并的过程中,都要调用partition进行分组和对key的排序;
5)reducetask根据分区号,去maptask机器上取相对应的结果分区数据;
6)reducetask会取到同一个分区的来自不同maptask的结果文件,reducetask会将这些文件在进行合并;
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,调用reduce方法进行逻辑运算;
8)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,执行的速度就越快;缓冲区的大小默认是100M,可以通过参数io.sort.mb进行设置;
Shuffle流程详解:
map之后的数据会写入一个内存缓冲区,一条原始记录进过map后转换成<key,value>的形式进入内存缓冲区,但是此时并不知道这个<key,value>对应该发送给哪个reducetask,这个时候partition开始派上用场了,partition根据key的值和reducetask的数量确定这个<key,value>具体应该发送给哪个reducetask。确定的过程是这样的:partition计算key的hash值,将hash对reducetask的数量的数量求模 来确定要发送的reducetask的ID (实际上,由于key值得非均衡分布 这种算法可能会导致发送给某台reducetask的数据过多 而另外的reducetask收到的数据过程,hadoop允许我们自己实现partition接口来实现数据的均衡)。
内存缓冲区的大小当然是有限制的,默认是100MB,Map的输出数据一般会比这个大,因此但内存缓冲区快要写满时,hadoop即启动一个线程来讲缓冲区的数据输出到磁盘,这个过程叫做溢写 spill,对应的有一个溢写比例spill.percent,其默认值为0.8,则当内存缓冲区的数据达到80MB大小时,溢写线程启动并锁定这个80MB的内存区域,开始对80MB内部的数据做排序并写出至本地磁盘。这个时候map的输出就只能往剩下的20MB的内存区域中写数据了。这样写一次的话就是一个80MB的文件了。当溢写很多次的话,就会在本地生成很多的小文件。
将这些小文件发送给reducetask并不是一个很好的主意,溢写之后hadoop同时会进行combine操作和merge操作,combine是将具有相同key值得<key,value>组合,merge将小文件合并为大文件等待map过程结束后进行发送。
每个maptask的工作量有大有小,有的很早就完成了任务,有的还在辛勤工作,一部分完成了工作的maptask向ResourceManager发送消息告知分配的任务已经完成。这个时候reducetask也没有闲着,reducetask向ResourceManager发送消息,查询已经完成任务的maptask,并从该maptask的本地文件系统拉取数据,由于有很多的maptask,因此reducetask也会得到很多的小文件,reducetask拉取数据的同时会对这些文件做merge操作,为即将开始的reduce任务做准备。
当Map过程和shuffle过程真正结束的时候,reducetask才开始reduce过程,最后将结果输出至HDFS。
最新文章
- iOS程序启动流程(留有问题)
- 【Mxnet】----1、使用mxnet训练mnist数据集
- 咱就入个门之NHibernate映射文件配置(二)
- MACOS,LINUX,IOS上可用的毫秒级精度时间获取
- Enable EPEL Repository for RHEL/CentOS 7.x/6.x/5.x
- CF#52 C Circular RMQ (线段树区间更新)
- Java中Volatile的作用
- 纯css三角形
- Phoenix(SQL On HBase)
- c++/qt的数据序列化和反序列化
- Python装饰器的进阶
- Linux tee的花式用法和pee
- bitbucket工程改名导致 repository does not exist. fatal: Could not read from remote repository.
- ASP.NET AJAX入门系列(5):使用UpdatePanel控件(二) UpdatePanel
- SSM商城项目(三)
- Tomcat+Redis+Nginx实现session共享(Windows版)
- 【CF653G】Move by Prime 组合数
- 线程等待——CountDownLatch使用
- CSS3 页面中展示邮箱列表点击弹出发送邮件界面
- bootstrap插件的一些常用属性介绍