六、MapReduce Shuffle 过程

Shuffle描述数据从map task输出到reduce输入的这段过程

1、map端shuffle功能

1）分区：决定将map task 交给哪个reduce程序处理；

2）排序：对分区中的数据做排序处理

3）spill写入磁盘：将内存中数据写入磁盘

4）merge合并：将小文件合并成大文件

说明：设置reduce task的个数在run()方法中使用代码：

job.setNumReduceTasks(3)

2、reduce端shuffle功能

1）从map数据中拷贝属于自己分区的数据

2）对分区数据进行合并

3）分组：将形同key的value值组合在一起

3、MapReduce中间数据压缩配置

1）方式一：全局生效

在mapred-site中新增属性

属性：mapreduce.map.output.compress

值：ture

2）方式二：本次生效

在代码中添加：

configuration.set("mapreduce.map.output.compress","true");