MapReduce框架原理-MapReduce工作流程

上面的流程是整个 MapReduce 最全工作流程，但是 Shuffle 过程只是从第 7 步开始到第16 步结束，具体 Shuffle 过程详解，如下：

（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。

（3）源码解析流程

MapTask


context.write(k, NullWritable.get());   //自定义的map方法的写出，进入
    output.write(key, value);
        //MapTask727行，收集方法，进入两次 
        collector.collect(key, value,partitioner.getPartition(key, value, partitions));
	          HashPartitioner(); //默认分区器
        collect()  //MapTask1082行 map端所有的kv全部写出后会走下面的close方法
	          close() //MapTask732行
	              collector.flush() // 溢出刷写方法，MapTask735行，提前打个断点，进入
                    sortAndSpill() //溢写排序，MapTask1505行，进入
	                      sorter.sort()   QuickSort //溢写排序方法，MapTask1625行，进入
                    mergeParts(); //合并文件，MapTask1527行，进入


collector.close();

ReduceTask


if (isMapOrReduce())  //reduceTask324行，提前打断点
initialize()   // reduceTask333行,进入
init(shuffleContext);  // reduceTask375行,走到这需要先给下面的打断点
    totalMaps = job.getNumMapTasks(); // ShuffleSchedulerImpl第120行，提前打断点
        merger = createMergeManager(context); //合并方法，Shuffle第80行
			      // MergeManagerImpl第232 235行，提前打断点
			      this.inMemoryMerger = createInMemoryMerger(); //内存合并
			      this.onDiskMerger = new OnDiskMerger(this); //磁盘合并
		    eventFetcher.start();  //开始抓取数据，Shuffle第107行，提前打断点
		    eventFetcher.shutDown();  //抓取结束，Shuffle第141行，提前打断点
		    copyPhase.complete();   //copy阶段完成，Shuffle第151行
		    taskStatus.setPhase(TaskStatus.Phase.SORT);  //开始排序阶段，Shuffle第152行
	  sortPhase.complete();   //排序阶段完成，即将进入reduce阶段 reduceTask382行
reduce();  //reduce阶段调用的就是我们自定义的reduce方法，会被调用多次
	  cleanup(context); //reduce完成之前，会最后调用一次Reducer里面的cleanup方法

MapReduce 教程