MR编程模型
Map
map()
输入、输出都是键值对
输入数据从所读的split来
Map的输出作为Reduce的输入
Reduce
reduce()
输入、输出都是键值对；reduce输入的键值对与map的输出的键值对类型相同
MR编程
写三个主要逻辑：自定义的Mapper类、自定义的Reducer类、main方法
运行分两种
要将hadoop集群的配置文件拷贝到resources中
IDEA中本地运行
maven打成jar包，使用hadoop jar集群运行
shuffle
map
溢出写磁盘文件
先写入环形缓冲区；
再溢出写磁盘；
溢出过程中分区
每个区内排序；
combine（可选）；
压缩（可选）
合并溢出文件
map任务完成
reduce
merge|sort|分组
每组数据，调用一次reduce方法
中间结果在内存或本地磁盘
最终输出HDFS
自定义分区
自定义分区类继承Partitioner类
实现getPartition()方法
Combiner
map端本地聚合
本质也是reduce
并非所有MR都适合用combiner，使用combine与否，不影响最终结果
压缩
在main方法中，使用Configuration配置压缩选项
自定义InputFormat
自定义InputFormat类，实现getRecordReader()方法
实现RecordReader类
- initialize()
- nextKeyValue()
- getCurrentKey()
- getCurrentValue()
- getProgress()
- close()
自定义OutputFormat
自定义outputformat
覆写getRecordWriter()方法
自定义RecordWriter
覆写具体输出数据的方法write()、close()
二次排序
自定义作为key的类
实现WritableComparable接口
实现compareTo方法
自定义分组
自定义JavaBean
自定义分区类
自定义Mapper|Reducer类
自定义分组类
main
- job.setMapperClass
- job.setPartitionerClass
- job.setReducerClass
- job.setGroupingComparatorClass
分区倾斜
TotalOrderPartitioner
InputSampler
