hadoop学习之路2--MapReduce架构

本系列均为hadoop1版本为准。。

---

MapReduce 也采用了Master/Slave(M/S)架构,主要有以下组件组成：Client、JobTracker、TaskTracker和Task。

Map Reduce架构图

1.Client

用户编写的MapReduce 程序通过Client提交到JobTracker端；同时，用户可通过Client 提供的一些接口查看作业运行状态。在hadoop 内部用”作业“（job）表示MapReduce程序。一个MR程序可对应若干个作业，而每个作业会被分解成若干个Map/Reduce任务（Task）

2.JobTracker

JobTracker 主要负责资源监控和作业调度。JobTracker监控所有TaskTracker与作业的健康状况，一旦发现失败情况后，其会将相应的任务转移到其他节点，同时，JobTracker会跟踪任务的执行进度、资源的使用量等信息，并将这些信息告诉任务调度器，而调度器会在资源出现空闲时，选择合适的任务使用这些资源。在hadoop中，任务调度器是一个可插拔的模块，用户可以根据自己的需要设计相应的调度器。

3.TaskTracker

TaskTracker会周期性地通过HeartBeat将本节点上资源的使用情况和任务的运行进度汇报给JobTracker,同时接收JobTracker发过来的命令并执行相应的操作（如启动新任务、杀死任务等）。TaskTracker使用”slot“等量划分本节点上的资源量。”slot“代表计算资源（CPU、内存等）。一个Task获取到一个Slot后才有机会运行，而Hadoop调度器的作用就是将各个TaskTracker上的空闲slot分配给Task使用。slot分为Map slot和Reduce slot两种，分别供Map Task和Reduce Task使用。TaskTracker 通过slot数目(可配置)限定Task的并发度。

4.Task

Task分为Map Task和Reduce Task两种，均由TaskTracker启动。HDFS以固定大小的Block为基本单位存储数据，对于MR来说，处理的基本单位是split。split 与block的对应关系如图，split是一个逻辑概念，他只包含了一些元数据信息，比如数据的起始位置、数据长度、数据所在节点等。划分的方法完全由用户自己决定，但注意，split的多少决定了Map Task的数目，每一个split会由一个Map Task处理。

split与block关系

Map Task执行过程：Map Task先将对应的split 迭代解析成一个个的KV对，依次调用用户自定义的map()函数，然后进行partition()分区后的临时文件落盘,每个partiton将被一个Reduce Task 处理

Map Task执行流程

Reduce Task 执行过程：1.从远程节点读取Map Task后临时文件（shuffle阶段）2.按照key 对KV进行排序（即Sort阶段）3.依次读取<key,value list>，调用自定义的reduce()函数处理，并将最终结果存到HDFS上（Reduce阶段）。

Reduce Task 执行过程