目录

MapReduce

输入数据接口：InputFormat

（1）默认使用的实现类是：TextInputFormat

（2）TextInputFormat的功能逻辑是：一次读一行文本，然后将该行的起始偏移量作为key，行内容作为value返回。

（3）CombineTextInputFormat可以把多个小文件合并成一个切片处理，提高处理效率。

逻辑处理接口：Mapper

用户根据业务需求实现其中三个方法：map()，setup()，cleanup ()。

Partitioner分区

（ 1 ） 有 默 认 实 现 HashPartitioner ， 逻 辑 是 根 据 key 的 哈 希 值 和numReduces来返回一个分区号；key.hashCode()&Integer.MAXVALUE %numReduces

（2）如果业务上有特别的需求，可以自定义分区。

Comparable排序

（1）当我们用自定义的对象作为key来输出时，就必须要实现WritableComparable接口，重写其中的compareTo()方法。

（2）部分排序：对最终输出的每一个文件进行内部排序。

（3）全排序：对所有数据进行排序，通常只有一个Reduce。

（4）二次排序：排序的条件有两个。

Combiner合并

Combiner合并可以提高程序执行效率，减少IO传输。但是使用时必须不能影响原有的业务处理结果。

逻辑处理接口：Reducer

用户根据业务需求实现其中三个方法：reduce()，setup()，cleanup ()。

输出数据接口：OutputFormat

（1）默认实现类是TextOutputFormat，功能逻辑是：将每一个KV对，向目标文本文件输出一行。

（2）将SequenceFileOutputFormat输出作为后续 MapReduce任务的输入，这便是一种好的输出格式，因为它的格式紧凑，很容易被压缩。

（3）用户还可以自定义OutputFormat。