Hadoop学习之MapReduce

结构介绍

• MapReduce是Hadoop提供的一种处理海量数据的并行编程模型和计算框架，用于对大规模的数据进行并行计算。主要由ResourceManager和NodeManager两类节点构成。
• ResourceManager主要负责集群资源管理，NodeManager负责节点的资源管理。
• 当运行MapReduce任务的时候，后产生ApplicationMaster和Container，其中ApplicationMaster负责向ResourceManager节点进行资源的申请并控制任务的执行，Container是最基本的资源单位。MapReduce的Map和Reduce均是其之上进行运行的。

MapReduce编程思想

• MapReduce采用“分而治之”的思想。对大规模的数据集的操作分配给各子节点进行操作，然后通过整合子节点的中间结果得到最终结果。即“任务的分解和结果的汇总”。
• Hadoop将这个工作高度抽象成为两个函数，分别为Map和Reduce。Map负责将任务分解为多个任务。Reduce负责将多个Map任务的中间结果合并为最终结果。在此过程中的其他步骤均由Hadoop的MapReduce框架自行负责处理，包括工作调度、任务分配和节点间通信等。

Hadoop数据类型

• 继承接口Writable实现其方法write()和readFields()，以便该数据能被序列化后完成网络传输或文件输入/输出。
• 如果该数据需要作为主键key使用或者需要比较值大小时，则需要实现WritableComparable接口，实现其方法write(),readFields(),CompareTo()。

以上为Hadoop中关于MapReduce的一些介绍，具体正在学习ing...