MapReduce原理

MapReduce是一个分布式计算模型， google提出，主要用于搜索领域，解决海量数据的计算问题

MR由两个阶段组成：Map和Reduce，用户只需实现map()和reduce()两个函数，即可实现分布式计算，非常简单

这两个函数的形参是key、value对，表示函数的输入信息

hadoop1.x里面分jobtracker和tasktracker，2.x分resourcemanager和nodemanager



执行步骤：

1.map任务处理

读取输入文件内容，解析成key、value对，对输入文件的每一行，解析成key、value对。每一个键值对调用一次map函数

写自己的逻辑，对输入的key、value处理，转换成新的key、value输出

对输出的key、value分区

对不同分区的数据，按照key进行排序分组。相同key的value放到一个集合中

分组后的数据进行规约

2.reduce任务处理

对多个map任务的输出，按照不同的分区，通过网络copy到不同的reduce节点

对多个map任务的输出进行合并、排序。写reduce函数自己的逻辑，对输入的key、value进行处理，准换成新的key、value输出

把reduce的输出保存到文件中