在HDFS系列完结之后,小伙伴们期待的MapReduce系列已经在向大家挥手了。本篇博客,小菌将为大家带来MapReduce的入门介绍! 在正式开始之前,让我们通过一张图片回顾一下Hadoop的组成部分,以及每部分的作用!
接下来我们正式进入到MapReduce的讲解中 分布式并行计算框架MapReduce什么是计算框架?是指实现某项任务或某项工作从开始到结束的计算过程或流的结构。 MapReduce具体的计算框架分布如下所示: 什么是并行计算框架?一个大的任务拆分成多个小任务,将多个小任务分发到多个节点上。每个节点同时执行计算。 Hadoop为什么比传统技术方案快这个问题小菌在介绍大数据的时候就已经谈到过。大致分为下面几个步骤!
MapReduce核心思想分而治之,先分后和:将一个大的、复杂的工作或任务,拆分成多个小的任务,并行处理,最终进行合并。 MapReduce由Map和Reduce组成 Reduce:对数据进行汇总,即对map阶段的结果进行全局汇总。 Hadoop -MapReduce设计构思 MapReduce是一个分布式运算程序的编程框架,核心功能是将用户编写的业务逻辑代码和自带默认组件整合成一个完整的分布式运算程序,并发运行在Hadoop集群上。 如何应对大数据处理:分而治之对相互间不具有计算依赖关系的大数据,实现并行最自然的办法就是采取分而治之的策略。并行计算的第一个重要问题是如何划分计算任务或者计算数据以便对划分的子任务或数据块同时进行计算。不可分拆的计算任务或相互间有依赖关系的数据无法进行并行计算! 构建抽象模型:Map和Reduce MapReduce借鉴了函数式语言中的思想,用Map和Reduce两个函数提供了高层的并行编程抽象模型。
统一构架,隐藏系统层细节 如何提供统一的计算框架,如果没有统一封装底层细节,那么程序员则需要考虑诸如数据存储、划分、分发、结果收集、错误恢复等诸多细节;为此,MapReduce设计并提供了统一的计算框架,为程序员隐藏了绝大多数系统层面的处理细节。 |
|