MapReduce深入

 

 

hadoop中map和reduce都是进程（spark中是线程），map和reduce可以部署在同一个机器上也可以部署在不同机器上。

输入数据是hdfs的block，通过一个map函数把它转化为一个个键值对，并同时将这些键值对写入内存缓存区（100M），内存缓存区的数据每满80M就会将这80M数据写入磁盘，在写入磁盘的过程中会进行分区、排序。

把数据按键hash分区得到多个partition，保证同个键的数据落入同一个分区，partition数目一般和reduce数目一致（也可以是reduce数目的倍数）。