MapperReducer之WordCount 笔记

前情提要 :
记得点个赞你个小混蛋
1.HDFS中有300MB a.txt和80MB b.txt
2.写一个PV或者UV程序

执行过程
1.client(客户端)请求yarn的resourcemanager申请提交任务
2.resourcemanager接受到请求返回给客户端 jobID和hdfs提交地址 (hdfs://hdp1:8020/tmp…/…/staing/jobid)
3.扫描输入路径的文件划分切片
3.1
FileSplit0(对象) 0-128MB a.txt
FileSplit1(对象) 128-256MB a.txt
FileSplit2(对象) 256-300MB a.txt
FileSplit3(对象) 0-80MB
3.2
把上述对象add到list里将list序列化到文件里(job_id.split)

4.客户端上传刚刚生成的job.split和程序jar包到hadfs指定路径上
5.客户端通知resourcemanager上传完成
6.resourcemanager随机找个nodemanager启动MRAPPMaster
7.MRAPPMaster下载job.split输入切片信息文件
8.分析(反序列化)job.split文件,得出启动4个map,然后启动maptask
9.下载程序执行jar包
10.读取对应切片的信息(mapper1 读取File Split0 依次对应读取)一行一行读,调用LineRecordReader
net一次读一行
将行首偏移量设置为Key,将行的内容设置为Value
返回给map(YarnChild)调用自己写的mapper类里的map方法输出 a1 a 1 b 1 b 1
11.输出到环形数据缓冲区(内存)
将上述输出内容写的环形数据缓冲区(也是内存)里
环形缓冲区默认大小(100M)
12.写入满80M(80%)时调用partitioner将数据进行分区

13.会在分好的区里对key进行排序调用key的comparaTo方法

环形数据缓冲区剩下20%继续读取9步的输出内容写入满20%时检查第12步分区排序进行完成没有
如果完成再继续覆盖60% 如果没有完成会阻塞
以此.分区>排序>溢出到磁盘 形成若干个文件
14.YarnChiId合并溢出文件 ,按照同区进行合并同时,在同区中进行排序生成分区索引文件

划分切片有4个 启动4个map
numReducerTask(分区3分)

15.启动reducerTask下载程序执行jar包
16.reducerTask0执行MRAPPMast的命令下载 14步文件0号区的数据()有3个分区 启动3个reducetask合并文件按key排序(SHUFFLE:混洗)
17.启动自己写的Reducer类型进行聚合
17.1 net一次 读一个key,value 把key,value赋值给reducer方法的key,v(一组k进入一次方法)每次net调用groupComparaTor(分组比较器):比较前后key是否一组不是一组进行切组进入下个reducer方法

18.context.write到hdfs里面