Hadoop深入学习：Map Task和Reduce Task的执行流程

mofdan

本节我们主要看一下Map Task和Reduce Task的执行流程：


        好了，接下来我们再看看Map Task和Reduce Task的一个完整的执行流程：
        1）、TaskNode节点启动分配JobTracker个Map Task任务，启用InputFormat对象(具体为RecordReader)读取分配给本节点split分片，将每一行的数据读取成key/value键值对；
        2）、mapper程序的map()函数会接收key/value键值对的数据，做逻辑处理，然后将之输出；
        3）、(开始MapReduce的shuffle过程，该过程的性能的好坏可以直接决定MapReduce的性能。)mapper程序会将经处理过的key/value数据先加入该Task的环形的内存缓冲区，直到达到缓存达到阀值，然后会将数据spill到linux的本地磁盘上(注意，这些中间数据不会被保存到HDFS)，生成一个磁盘文件；
        4）、mapper处理玩自己分片的数据后，会将磁盘上的所有spill文件合并；
        5）、当一个Map Task任务处理完后，TaskTracker节点会告诉JobTracker节点任务执行完毕并等待新的任务，然后JobTracker会告知reducer程序，区获取属于reducer自己的数据；
        (注：第3 - 5步是Map断的shuffle阶段。)
        6）、reducer通过多线程(默认为5个copy线程)开始到已执行完成的mapper节点上copy属于自己的partition数据；
        7）、reducer会先将copy的数据先放在本机的内存缓存中，合并拷贝数据，当缓存中放不下copy数据时，会将内丛中的的数据刷新到磁盘上，数据copy完成后，会将虽有数据合并成一个大文件，数据格式由原来的<key,value>变成<key,value list>；
        8）、将合并后的文件排序；
        (注：第6 - 8步是Map断的shuffle阶段。)
        9）、接下来reducer开始执行业务逻辑处理的reduce()方法，并将数据最终输出到HDFS上。
        10）、所有的Task都执行完成后，整个处理过程完成。