史上最快! 10小时大数据入门实战(五)-分布式计算框架MapReduce
1 MapReduce概述
2 MapReduce编程模型之通过wordcount词频统计分析案例入门
MapReduce执行流程
-
InputFormat
- OutputFormat
OutputFormt接口决定了在哪里以及怎样持久化作业结果。Hadoop为不同类型的格式提供了一系列的类和接口,实现自定义操作只要继承其中的某个类或接口即可。你可能已经熟悉了默认的OutputFormat,也就是TextOutputFormat,它是一种以行分隔,包含制表符界定的键值对的文本文件格式。尽管如此,对多数类型的数据而言,如再常见不过的数字,文本序列化会浪费一些空间,由此带来的结果是运行时间更长且资源消耗更多。为了避免文本文件的弊端,Hadoop提供了SequenceFileOutputformat,它将对象表示成二进制形式而不再是文本文件,并将结果进行压缩。
3 MapReduce核心概念
3.1 Split
3.2 InputFormat
4 MapReduce 1.x 架构
5 MapReduce 2.x 架构
6 Java 实现 wordCount
7 重构
8 Combiner编程
9 Partitoner
10 JobHistoryServer
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
史上最快! 10小时大数据入门实战(四)-分布式资源调度YARN
1 YARN 产生背景 2 YARN 架构 3 YARN 执行流程 1.client向yarn提交job,首先找ResourceManager分配资源, 2.ResourceManager开启一个Container,在Container中运行一个Application manager 3.Application manager找一台nodemanager启动Application master,计算任务所需的计算 4.Application master向Application manager(Yarn)申请运行任务所需的资源 5.Resource scheduler将资源封装发给Application master 6.Application master将获取到的资源分配给各个nodemanager 7.各个nodemanager得到任务和资源开始执行map task 8.map task执行结束后,开始执行reduce task 9.map task和 reduce task将执行结果反馈给Application master 10.Application master将任务执行...
- 下一篇
hadoop之HDFS源码分析---HDFS通信协议
一、HDFS中提供两种通信协议1.Hadoop RPC接口:HDFS中基于Hadoop RPC框架实现的接口2.流式接口:HDFS中基于TCP或者HTTP实现的接口 二、下面先讲Hadoop RPC接口Hadoop RPC调用使得HDFS进程能够像本地调用一样调用另一个进程中的方法,目前Hadoop RPC调用基于Protobuf实现,具体底层细节后面再讲,本章主要介绍Hadoop RPC接口的定义。接口定义在org.apache.hadoop.hdfs.protocol和org.apache.hadoop.hdfs.server.protocol包中,包括以下几个接口: ClientProtocol:客户端和名字节点间的接口; ClientDatanodeProtocol:客户端与数据节点的接口(这个方法主要是用于客户端获取数据节点信息时调用,真正的数据读写交互在流式接口进行) DatanodeProtocol:数据节点与名字节点通信接口 InterDatanodeProtocol:数据节点与数据节点间的通信接口 NamenodeProtocol:第二名字节点与名字节点间的接口其他接...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- Eclipse初始化配置,告别卡顿、闪退、编译时间过长
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- CentOS7设置SWAP分区,小内存服务器的救世主
- SpringBoot2更换Tomcat为Jetty,小型站点的福音
- SpringBoot2整合Thymeleaf,官方推荐html解决方案
- CentOS7编译安装Cmake3.16.3,解决mysql等软件编译问题
- MySQL8.0.19开启GTID主从同步CentOS8
- SpringBoot2整合Redis,开启缓存,提高访问速度
- Linux系统CentOS6、CentOS7手动修改IP地址
- CentOS7编译安装Gcc9.2.0,解决mysql等软件编译问题