★MapReduce

1.MapReduce是什么？

--Hadoop MapReduce是一个软件框架，基于该框架能够容易地编写应用程序，这些应用程序能够运行在由上千个商用机器组成的大集群上，并以一种可靠的，具有容错能力的方式并行地处理上TB级别的海量数据集。

2.MapReduce的特点：

   软件框架

   并行处理

   可靠且容错

  大规模集群

   海量数据集

3.MapReduce的思想：“分而治之”

（1）Mapper负责“分”

把简单的任务分解为若干个“简单的任务”来处理：

数据或计算的规模相对原任务要大大缩小；

就近计算原则，任务会分配到存放着所需数据的节点上进行计算；

这些小任务可以并行计算彼此间几乎没有依赖关系。

（2）Reduce负责对map阶段的结果进行汇总

至于需要多少个Reducer，可以根据具体问题，通过在mapred-site.xml配置文件里设置参数mapred.reduce.tasks的值，缺省值为1。

4.MapReduce工作机制

MapReduce工作机制 MapReduce运行机制 MapReduce作业工作流程图

★★作业执行涉及4个独立的实体：★★

（1）客户端，用来提交MapReduce的作业

（编写MapReduce程序，配置作业，提交作业，这就是程序员完成的工作）

（2）JobTracker，用来协调作业的运行

（初始化作业，分配作业，与TaskTracker通信，协调整个作业的执行）

（3）TaskTracker，用来处理作业划分后的任务

（保持与JobTracker的通信，在分配的数据片段上执行Map或Reduce任务。）

（4）HDFS，用来在其他实体间共享作业文件

（保存作业的数据、配置信息等等，最后结果也是保存在hdfs上面）

JobTracker VS TaskTracker：

JobTracker只能有一个，就和hdfs里的namenode一样存在单点故障；

TaskTracker可以有多个。

5.mapreduce运行步骤

     在hadoop中，一个mapreduce作业会把输入的数据集分为若干独立的数据块，由Map任务以完全并行地方式处理。

框架会对Map的输出先进行排序，然后把结果输入给Reduce任务。

作业的输入和输出都会被存储在文件系统中，整个框架负责任务的调度和监控，以及重新执行已经关闭的任务。

MapReduce框架和分布式文件系统是运行在一组相同的节点，计算节点和存储节点都是在一起的。

     详细步骤：

首先是客户端要编写好mapreduce程序，配置好mapreduce的作业也就是job，

接下来就是提交job了，提交job是提交到JobTracker上的，这个时候JobTracker就会构建这个job，具体就是分配一个新的job任务的ID值

接下来它会做检查操作，这个检查就是确定输出目录是否存在，如果存在那么job就不能正常运行下去，JobTracker会抛出错误给客户端，接下来还要检查输入目录是否存在，如果不存在同样抛出错误，如果存在JobTracker会根据输入计算输入分片（Input Split），如果分片计算不出来也会抛出错误，这些都做好了JobTracker就会配置Job需要的资源了。

分配好资源后，JobTracker就会初始化作业，初始化主要做的是将Job放入一个内部的队列，让配置好的作业调度器能调度到这个作业，作业调度器会初始化这个job，初始化就是创建一个正在运行的job对象（封装任务和记录信息），以便JobTracker跟踪job的状态和进程。

初始化完毕后，作业调度器会获取输入分片信息（input split），每个分片创建一个map任务。

接下来就是任务分配了，这个时候tasktracker会运行一个简单的循环机制定期发送心跳给jobtracker，心跳间隔是5秒，程序员可以配置这个时间，心跳就是jobtracker和tasktracker沟通的桥梁，通过心跳，jobtracker可以监控tasktracker是否存活，也可以获取tasktracker处理的状态和问题，同时tasktracker也可以通过心跳里的返回值获取jobtracker给它的操作指令。

任务分配好后就是执行任务了。在任务执行时候jobtracker可以通过心跳机制监控tasktracker的状态和进度，同时也能计算出整个job的状态和进度，而tasktracker也可以本地监控自己的状态和进度。当jobtracker获得了最后一个完成指定任务的tasktracker操作成功的通知时候，jobtracker会把整个job状态置为成功，然后当客户端查询job运行状态时候（注意：这个是异步操作），客户端会查到job完成的通知的。如果job中途失败，mapreduce也会有相应机制处理，一般而言如果不是程序员程序本身有bug，mapreduce错误处理机制都能保证提交的job能正常完成。

Job job;

if(job.waitForComplete(true)?0:1    //等待job的完成

{

System.out.println("ok")

else

System.out.println("failure")

}

6.MapReduce的输入输出

一个MapReduce作业的输入和输出类型：

会有三组<key,value>键值对类型的存在