MapReduce执行流程图
概述
MapReduce是一种分布式计算模型，由Google提出，主要用于搜索领域，解决海量数据的计算问题。
MapReduce是分布式运行的，由两个阶段组成：Map和Reduce，Map阶段是一个独立的程序，有很多个节点同时运行，每个节点处理一部分数据。
Reduce阶段是一个独立的程序，有很多个节点同时运行，每个节点处理一部分数据。
使用
MapReduce框架都有默认实现，用户只需要覆盖map()和reduce()两个函数，即可实现分布式计算，非常简单。
这两个函数的形参和返回值都是，使用的时候一定要注意构造。
执行流程(此处举例说明)
- 一个文本(在HDFS上面保存，两个block)中每一个单词的出现的次数：
- hello you hello marry
- hello me really
- ----->block-1
- hello kate ready
- xiao wang hello tomcat
- ----->block-2
1.获取每一个block块中的文本，遍历所有，回去其中的一行str
因为要统计的是每一个单词i的次数，所以还需要直到文本中有哪些单词，可以根据字符串的特点，使用split()进行切割。
- String[] words=str.split("");
根据要求，需将每一个单词i转换为的形式，k为单词本身，v为单词出现的次数。
2.因为mr的计算是分布式的 ，每一个map(称之为一个mapper task)计算其中的一个block块数据。
- map阶段：
- 输入<K1,V1>
- k1，偏移量，v1，当前行文本内容
- map()函数操作
- 输出<K2,V2>
- k2，具体单词，v2，单词对应的统计项，比如次数
- 输出<K2,V2>
- shuffle阶段
- 研究后发现，如果按照<key,1>这种方式向reduce输出数据的时候，会有
- 大量的冗余数据。
- 比如map阶段之后有5个hello,则输出<hello,1>,<hello,1>,<hello,1>,
- <hello,1>,<hello,1>5次，实际上会对网络造成一定的压力，能不能对
- 这5个<hello,1>进行一个进入reduce之前的本地组合？比如成为
- <hello,5>或者<hello,[1,1,1,1,1]>.
- 这个过程成为shuffle，洗牌重组阶段，达到上述的结果，称之为规约。
- >>>shuffle阶段，也就是对map的输出进行重新洗牌：
- 分区、分组、排序
- <K2,V2>...===><K2,V2s>
- reduce阶段
- 接收map的输出结果<key,values>
- 对这个结果进行汇总统计，针对values，进行简单的累加，计算得出key
- 对应的次数
- reduce针对一个key调用一次reduce()函数
- =====>reduce 阶段
- 输入<K2,V2>
- K2,就是map的输出的K2，V2s是map经过shuffle之后的结果集
- reduce()函数操作
- 转化为<K3,V3>
经过上述操作之后，系统会将计算结果输出给用户，一般会先存储(落地)到hdfs，然后反馈给用户。
到此为止，MapReduce执行完毕，接下来就可以进行大数据的其他一系列操作了。
