Mapreduce执行过程
splitSize=Mash.max(minSize,Math.min(maxSize,blockSize))
数据块大小一般与分片大小相同
Block数据块------分片
FileSplit FilrInputFormat 继承，重写可以设置字节的K.V
分片------K.V(一条数据，一对K.V)
分区器HashPartitioner
Mapper----------K.V.P(P:分区号，值一定为一个整数)
K.V.P-------内存缓冲区（默认100M，当内存缓冲区大小到达60%时，自动触发溢写线程）
溢写Spill To Disk---------1.[调用排序算法（快排算法）]如果没有用户自定义的比较器，就会调用K自己的比较器
溢写--------2.[调用合并程序]用户自定义的Combiner类，如果用户没有定义合并器，则这步不存在
溢写--------3.分区[分区1磁盘文件，分区2磁盘文件 ........]当磁盘中某个分区的文件数量>=3个，自动触发文件合并程序（合并程序继续调用排序算法（归并算法，内部有序，总体无序），合并成一个有序的分区磁盘文件
分区磁盘文件触发拷贝线程（自动去所有map输出的机器上拷贝某一个分区1的所有数据，可能存在跨机器网络抓取数据）
继续调用排序算法------迭代器（iterator）-----分组（1，用户自定义的分组比较器，2，用户自定义的排序比较器，3，K自己的比较器。没有1，才选2，没有1,2,才选3）-------再次形成一个迭代器（分组机制，相邻且相同的数据才形成一个迭代器，1条，2条，3条相同形成一个组，3条和4条比较不同，则4条分为另一组内，4条和5条比相同，则分为一组，不同，则4条单独成一组，依次比较分组，形成各组假迭代器。）如果排序不对，则分组一定不对
假迭代器循环调用传参--------自己定义的Reducer类（循环执行，一个假迭代器执行一次），
Reducer1只抓去^所有^块的分区1的数据
Reducer2只抓去^所有^块的分区2的数据
Reducer通过FileOutputFormat类生成HDFS结果文件
特殊情况：当Mapper类输出的K.V.P已经是最终结果，则直接生成结果
hadoop-hdfs-API
在windows上部署hadoop包
windows配置环境变量
hadoop的bin目录，HADOOP_USER_NAME root
配置eclipse，从Linux上拉取core-sit.xml，hdfs-site.xml文件
java代码
Configuration conf;加载配置文件
FileSystem fs ;客户端
fs =FileSystem.get(conf);
创建目录
@Test public void mkdir() throws Exception{ Path ifile=new Path("/ooxx"); if(fs.exists(ifile)){ fs.delete(ifile,true); } fs.mkdirs(ifile); }
上传文件 @Test public void upload() throws Exception{ Path f = new Path("/ooxx/hello.txt/"); FSDataOutputStream output = fs.create(f); InputStream input = new BufferedInputStream(new FileInputStream(new File("D:\reqlog.txt"))); IOUtils.copyBytes(input, output, conf,true);
}
}
查看块的信息
@Test
public void blks(){
Path i = new Path("/ooxx/hello.txt/");
FileStatus ifile = fs.getFileStatus(i);
BlockLocation[] blks = fs.getFileBlockLocations(ifile,0,ifile.getLen());
for (BlockLocation b : blks){
system.out.println(b);
}
}
hdfs dfs -mkdir -p /user/root 命令行上传文件
Hoodoop YARN
资源框架
用户写的分析程序------class------jar------>
ResourceManager（资源管理）监控所有NodeManager1,NodeManager2....所有资源，开始分配资源，通知NM启动AppMaster进程（执行jar包程序）
AppMaster向RM申请资源，并提交分片位置，RM按照就近原则返回资源的清单(1，node1,1个CPU，1G内存，2，node2,2,2)，AppMaster按清单通知(所有的DataNode节点上都有NodeManager)node01启动相应的进程YarnChild进程
App Master资源调度 调动container（容器，资源约束）
一个作业有一个AppMaster调度，各作业间不受影响
1:1=NodeManager（监管本台机器上的资源）：DataNode
