什么是mapreduce編程以及原理是什么

這篇文章將為大家詳細講解有關什么是mapreduce編程以及原理是什么，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。

　　相信關于Hadoop中MapReduce的相關文章會很多，這里只簡單介紹一下MapReduce的相關知識。

　　Hadoop的MapReduce來源于Google公司的三篇論文中的MapReduce，其核心思想是“分而治之”。Map負責“分”，即把復雜的任務分解為若干個“簡單的任務”來并行處理。可以進行拆分的前提是這些小任務可以并行計算，彼此間幾乎沒有依賴關系。Reduce負責“合”，即對map階段的結果進行全局匯總。

　　現階段MapReduce一般運行在Hadoop2.x版本的yarn資源平臺上，具體運行過程后面會有詳細說明。

　　MapReduce編程規范

　　MapReduce 的開發一共有八個步驟, 其中 Map 階段分為 2 個步驟，Shuffle 階段 4 個步驟，Reduce 階段分為 2 個步驟

　　Map 階段 2 個步驟

　　1)設置 InputFormat 類, 將數據切分為 Key-Value(K1和V1) 對, 輸入到第二步;

　　2)自定義 Map 邏輯, 將第一步的結果轉換成另外的 Key-Value(K2和V2)對, 輸出結果;

　　Shuffle 階段 4 個步驟

　　3)對輸出的 Key-Value 對進行分區;

　　4)對不同分區的數據按照相同的 Key 排序;

　　5)(可選) 對分組過的數據初步規約, 降低數據的網絡拷貝;

　　6)對數據進行分組, 相同 Key 的 Value 放入一個集合中;

　　Reduce 階段 2 個步驟

　　7)對多個 Map 任務的結果進行排序以及合并, 編寫 Reduce 函數實現自己的邏輯, 對輸入的 Key-Value 進行處理, 轉為新的 Key-Value(K3和V3)輸出;

　　8)設置 OutputFormat 處理并保存 Reduce 輸出的 Key-Value 數據;

　　yarn資源調度

　　yarn是hadoop集群當中的資源管理系統模塊，從hadoop2.0開始引入yarn模塊,yarn可為各類計算框架提供資源的管理和調度,主要用于管理集群當中的資源(主要是服務器的各種硬件資源，包括CPU，內存，磁盤，網絡IO等)以及調度運行在yarn上面的各種任務。

　　相比于hadoop1.x版本，yarn核心出發點是為了分離資源管理與作業監控，實現分離的做法是擁有一個全局的資源管理ResourceManager(RM)，以及每個應用程序對應一個的應用管理器ApplicationMaster(AM)。

　　總結一句話就是說：yarn主要就是為了調度資源，管理任務。

　　YARN總體上是Master/Slave結構，主要由ResourceManager、NodeManager、 ApplicationMaster和Container等幾個組件構成。

　　ResourceManager(RM) 負責處理客戶端請求,對各NM上的資源進行統一管理和調度。給ApplicationMaster分配空閑的Container 運行并監控其運行狀態。主要由兩個組件構成：調度器和應用程序管理器：

　　調度器(Scheduler)：調度器根據容量、隊列等限制條件，將系統中的資源分配給各個正在運行的應用程序。調度器僅根據各個應用程序的資源需求進行資源分配，而資源分配單位是Container。Shceduler不負責監控或者跟蹤應用程序的狀態。總之，調度器根據應用程序的資源要求，以及集群機器的資源情況，為應用程序分配封裝在Container中的資源。

　　應用程序管理器(Applications Manager)：應用程序管理器負責管理整個系統中所有應用程序，包括應用程序提交、與調度器協商資源以啟動ApplicationMaster 、監控ApplicationMaster運行狀態并在失敗時重新啟動等，跟蹤分給的Container的進度、狀態也是其職責。

　　NodeManager (NM) NodeManager：NodeManager (NM) NodeManager 是每個節點上的資源和任務管理器。它會定時地向ResourceManager匯報本節點上的資源使用情況和各個Container的運行狀態;同時會接收并處理來自ApplicationMaster 的Container 啟動/停止等請求。

　　ApplicationMaster (AM)： 用戶提交的應用程序均包含一個ApplicationMaster ，負責應用的監控，跟蹤應用執行狀態，重啟失敗任務等。ApplicationMaster是應用框架，它負責向ResourceManager協調資源，并且與NodeManager協同工作完成Task的執行和監控。

　　Container： Container是YARN中的資源抽象，它封裝了某個節點上的多維度資源，如內存、CPU、磁盤、網絡等，當ApplicationMaster向ResourceManager申請資源時，ResourceManager為ApplicationMaster 返回的資源便是用Container 表示的。

　　yarn的架構和工作流程

　　1. 客戶端通過命令(hadoop jar xxx.jar)提交上傳任務到主節點ResourceManager(RM)中的ApplicationManager進程;

　　2. 主節點RM判斷集群狀態，選擇一臺NodeManager(NM)，開啟一塊資源Container，用來開啟AppMaster進程;

　　3. AppMaster進程獲取RM接收的任務請求，進行任務分配;

　　4. AppMaster根據任務情況向RM中的ResourceScheduler索要資源分配方案;

　　5. AppMaster根據資源分配方案找到到各個NodeManager從節點;

　　6. 在從節點上開啟資源Container，并運行任務Task;

　　7. AppMaster獲取各個Task上傳的任務執行進度和結果;

　　8. AppMaster將任務執行的結果返回給ApplicationManager。

關于什么是mapreduce編程以及原理是什么就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。