map-reduce原理简介
2020-09-24 11:11:38 0 举报AI智能生成
登录查看完整内容
map-reduce原理
作者其他创作
大纲/内容
map-reduce
简介
map-reduce是一个分布式框架，用于大规模数据集的并行运算，简单说就是框架通过协作成千上万机器 来计算数据。
上图中原理就是框架中有个master角色的机器负责接收任务分发给workers，等待workers完成任务，即可返回，
需要注意的是map-reduce是基于一个分布式文件系统的（GFS），
map-reduce过程
1.master切割需要计算的数据集A为N小片（让每个worker计算量变小，分散计算）
2.master把任务分给worker执行map过程，（每次针对一个小片数据）， 输出中间结果B
3.master把任务分给worker执行reduce过程， reduce过程读取步骤2的中间结果来进行计算，产生计算结果C
4. master合并计算结果C产生D返回。
master和worker
master功能
1.接收worker注册
2.接收任务
3.调度worker进行任务计算，确保任务计算成功
4.整合计算结果返回
worker功能
主要用来执行map过程和reduce过程。
map过程
master已经将要计算的原始数据分片了， 假如分片X要进行map过程，分片里面的内容会被读取出来执行map函数，然后得到一个key-value列表，这些key-value会被写入到中间临时文件中，就是上面的tmp文件。
一个分片的计算中间结果会被写入到多个tmp文件中，写入到哪个tmp文件是根据hash算法来计算，这样做目的是保证同一个key的计算结果保存在同一个temp文件中。经过map过程，同一个Key的计算结果能保证在同一个文件中，所以reduce计算过程也就不用跨越文件去寻找key的计算结果。
reduce过程
reduce过程比较简单，目的是合并相同Key的结果，由于相同key都在同一个文件中，所以基本是一对一。
merge过程
就是将多个merge临时文件合并成一个结果输出。
map-reduce需要注意的特性
1.幂等性
一件事情干一次和干n次结果都一样
2.容错性
主要是某个worker出错了，master需要将任务交给其他worker执行。
职业：暂无
0 条评论
回复 删除
下一页
