<强>前言:
MapReduce是用于数据处理的一种编程模型,简单但足够强大,专门为并行处理大数据而设计。
MapReduce的处理过程分为两个步骤:map和reduce。每个阶段的输入输出都是键值的形式,键和值的类型可以自行指定. map阶段对切分好的数据进行并行处理,处理结果传输给减少,由减少函数完成最后的汇总。
到了2.0之后,MapReduce可以理解为是一个jar包或一个程序,这个程序要运行在纱线上面,上面有两个进程,ResourceManager和NodeManager, ResourceManager里面两个模块是什么,应用程序管理器:应用程序管理器和调度程序:调度器,NodeManager相当于执行一个容器,这个容器里面有CPU +内存,这个容器运行一个封装的任务,MapTask(映射任务)或者跑ReduceTask(归约任务)下面简单介绍下MapReduce2架构设计或者称为MapReduce提交到纱线的工作流程:
<李> 1:用户向纱中提交应用程序,其中包括ApplicationMaster程序,启动ApplicationMaster的命令,用户程序等。 <李> 2:ResourceManager为该应用程序分配第一个容器,并与对应的Node-Manager通信,要求它在这个容器中启动应用
程序的ApplicationMaster。 <李> 3:ApplicationMaster首先向ResourceManager注册,这样用户可以直接通过ResourceManage查看应用程序的运行状态,然后
它将为各个任务申请资源,并监控它的运行状态,直到运行结束,即重复步骤4 ~ 7。 <李> 4:ApplicationMaster采用轮询的方式通过RPC协议向ResourceManager申请和领取资源。 <李> 5:一旦ApplicationMaster申请到资源后,便与对应的NodeManager通信,要求它启动任务。 <李> 6:NodeManager为任务设置好运行环境(包括环境变量,JAR包,二进制程序等)后,将任务启动命令写到一个脚本中,并通
过运行该脚本启动任务。 <李> 7:各个任务通过某个RPC协议向ApplicationMaster汇报自己的状态和进度,以让ApplicationMaster随时掌握各个任务的运行
状态,从而可以在任务失败时重新启动任务。在应用程序运行过程中,用户可随时通过RPC向ApplicationMaster查询应用程序
的当前运行状态。 <李> 8:应用程序运行完成后,ApplicationMaster向ResourceManager注销并关闭自己。MapReduce架构简介
