Hadoop Shuffle详解
每个任务最重要的一个过程就Shuffle过程，这个过程会把所有的数据进行洗牌整理，排序，如果数据量大，将会非常的耗时。如图1.1所示，是一个从map端输出数据到合并成一个文件的过程。
图1.1 Map文件输出
从图中可以看到Map端输出的数据会被提交到一个内存缓冲区当中，当内存满了后，会被Spill到HDFS中，当Map任务结束后，会把所有的临时文件合并到一个最终的文件中，作为一个最终的Map输出文件。这个过程涉及到两个过程都有排序操作，第一个是从KVBuffer到文件Spill中，默认通过快速排序算法进行排序。第二个是所有临时文件合并时，此时会有一次多路归并排序的过程，使用归并排序算法。
1 Mapper的输出缓冲区kvbuffer
Mapper任务执行完后的数据会通过MapOutputBuffer提交到一个kvbuffer缓冲区中，这个缓冲区的数据是专门存储map端输出数据的，它是一个环形缓冲区，大小可通过配置mapreduce.task.io.sort.mb来配置这个缓冲区的大小，默认是100MB。kvbuffer本质上是一个byte数组，模拟的环形数据结构，环形缓冲区适用于写入和读取的内容保持在顺序的情况下，要不然就不能均匀的向前推进。
虽然在Hadoop中，数据是要排序的，但是在Hadoop中有个非常良好的策略，就是不移动数据本身，而是为每个数据建立一个元数据kvmeta，在排序的时候，直接对元数据进行排序，然后顺序读写元数据即可。
kvbuffer逻辑结构如图1.2所示。
图1.2 kvbuffer结构
图中长条矩形表示作为字节数组的缓冲区kvbuffer,其七点处的下标为0，终点处的下标为kvbuffer.length。注意，这是按环形缓冲区使用的，所以往里写入内容时一旦超过终点就又“翻折”到缓冲区的起点，反之亦然。
分隔点的位置可以在缓冲区的任何位置上，分隔点的位置确定后，数据(KV对)都放在分隔点的右侧，并且向右伸展，而元数据则放在它的左侧，并且向左扩展。
写入到缓冲区的每个KV对都有一组配套的元数据指明其位置和长度。KV对长度是可变的，但元数据的长度是固定的，都是16字节，即4个整数。这样，所有的元数据合并在一起就是一个元数据块，相当于一个（倒立的）数组，可以通过KV对的元数据，再按照其元数据的指引就可找到这个KV对的K和V，还可以知道这个KV对属于哪个Partition。
其中元数据的数据主要是构成如下：
//val offset in acct ,第一个整数是V值起点字节的下标。
int VALSTART=0
//key offset in acct,第二个正式是K值起点字节的下标。
int KEYSTART=0
//partition offset in acct,第三个整数是KV对所属的Partition
int PARTITION=2
//length of value,第四个整数是V值的长度
int VALLEN=3
如图1.3所示，在有些情况，数据缓冲区在底部，自底向上伸展，元数据则在顶部，自顶向下伸展；二者相互靠拢。
图1.3 kvbuffer变量
其中上图的参数，kvstart指向元数据块中的第一份元数据，kvend指向元数据块的最后一份数据。kvindex指向下一份元数据指向的位置。buffer index指向下一份(KV数据对)的写入位置，buffer start是KV(数据对)开始的位置。kvindex，kvstart，kvend是整数类型的数组下标。
2 Sort和Spill
当环形缓冲区kvbuffer满了或者达到一定的阈值后，需要把缓冲区的数据写入临时文件中，这个过程叫sortAndSpill。在源码中可以看到有个专门的Spill线程来负责这个工作，当有需要Spill操作的时候，线程会被唤醒，然后执行Spill,在Spill之前，会有一个sort阶段，先把kvbuffer中的数据按照partition值和key两个关键字升序排序，移动的只是索引数据，排序结果是kvmeta中数据按照partition为单位聚集在一起，同一partition内的按照key有序。
详细的sortAndSpill代码如下：
private void sortAndSpill() throws IOException, ClassNotFoundException,
InterruptedException {
//approximate the length of the output file to be the length of the //buffer + header lengths for the partitions long size = (bufend >= bufstart ? bufend - bufstart : (bufvoid - bufend) + bufstart) +
partitions * APPROX_HEADER_LENGTH;
FSDataOutputStream out = null;
try {
// create spill file final SpillRecord spillRec = new SpillRecord(partitions); //每个partiiton定义一个索引 final Path filename = mapOutputFile.getSpillFileForWrite(numSpills, size);
out = rfs.create(filename);
final int endPosition = (kvend > kvstart) ? kvend : kvoffsets.length + kvend;
// 使用快速排序算法 sorter.sort(MapOutputBuffer.this, kvstart, endPosition, reporter);
int spindex = kvstart;
// Spill文件的索引 IndexRecord rec = new IndexRecord();
InMemValBytes value = new InMemValBytes();
for (int i = 0; i < partitions; ++i) { // 循环访问各个分区 IFile.Writer<K, V> writer = null;
try {
long segmentStart = out.getPos();
writer = new Writer<K, V>(job, out, keyClass, valClass, codec,
spilledRecordsCounter);
if (combinerRunner == null) { //没有定义combiner // spill directly DataInputBuffer key = new DataInputBuffer();
while (spindex < endPosition &&
kvindices[kvoffsets[spindex % kvoffsets.length] + PARTITION] == i) {
final int kvoff = kvoffsets[spindex % kvoffsets.length];
getVBytesForOffset(kvoff, value);
key.reset(kvbuffer, kvindices[kvoff + KEYSTART],
(kvindices[kvoff + VALSTART] - kvindices[kvoff + KEYSTART]));
writer.append(key, value);
++spindex;
}
} else { //定义了combiner，使用combiner合并数据 int spstart = spindex;
while (spindex < endPosition &&
kvindices[kvoffsets[spindex % kvoffsets.length] + PARTITION] == i) {
++spindex;
}
// Note: we would like to avoid the combiner if we've fewer // than some threshold of records for a partition if (spstart != spindex) {
combineCollector.setWriter(writer);
RawKeyValueIterator kvIter = new MRResultIterator(spstart, spindex);
combinerRunner.combine(kvIter, combineCollector);
}
}
// close the writer writer.close();
// record offsets rec.startOffset = segmentStart; //分区键值起始位置 rec.rawLength = writer.getRawLength();//数据原始长度 rec.partLength = writer.getCompressedLength();//数据压缩后的长度 spillRec.putIndex(rec, i);
writer = null;
} finally {
if (null != writer) writer.close();
}
}
// 处理spill文件的索引，如果内存索引大小超过限制，则写入到文件中。 if (totalIndexCacheMemory >= INDEX_CACHE_MEMORY_LIMIT) {
// create spill index file Path indexFilename =
mapOutputFile.getSpillIndexFileForWrite(numSpills, partitions
* MAP_OUTPUT_INDEX_RECORD_LENGTH);
spillRec.writeToFile(indexFilename, job);
} else {
indexCacheList.add(spillRec);
totalIndexCacheMemory +=
spillRec.size() * MAP_OUTPUT_INDEX_RECORD_LENGTH;
}
LOG.info("Finished spill " + numSpills);
++numSpills;
} finally {
if (out != null) out.close();
}
}
从代码中可以看到，看出再排序完成之后，循环访问内存中的每个分区，如果没有定义combine的话就直接把这个分区的键值对spill写出到磁盘。spill是mapreduce的中间结果，存储在数据节点的本地磁盘上，存储路径由以下参数指定：
1.core-site.xml：
hadoop.tmp.dir// hadoop临时文件夹目录
2.mapred-site.xml：
mapreduce.cluster.local.dir =${hadoop.tmp.dir}/mapred/local;
//默认的中间文件存放路径
在执行mapreduce任务的过程，我们可以通过这个路径去查看spill文件的情况。
3 Mapper Merge
当Map任务执行完后，可能产生了很多的Spill文件，这些文件需要合并到一个文件肿么然后备份发给各个Reducer。如果kvbuffer缓冲区不为空，就执行一次冲刷操作，确保所有的数据已写入文件中，然后执行mergeParts()合并Spill文件。merge合并操作也会带有排序操作，将单个有序的spill文件合并成最终的有序的文件。merge多路归并排序也是通过spill文件的索引来操作的
图1.4 就是map输出到磁盘的过程，这些中间文件(fiel.out,file.out.inde)将来是要等着Reducer取走的，不过并不是Reducer取走之后就删除的，因为Reducer可能会运行失败，在整个Job完成之后,ApplicationMaster通知Mapper可以删除了才会将这些中间文件删掉.向硬盘中写数据的时机。
图1.4 spill文件merge
4 Reduce Shuffle阶段
在MapTask还未完成最终合并时，ReduceTask是没有数据输入的，即使此时ReduceTask进程已经创建，也只能睡眠等地啊有MapTask完成运行，从而可以从其所在节点获取其输出数据。如前所述，一个MapTask最终数据输出是一个合并好的Spill文件，可以通过该节点的Web地址，即所谓的MapOutputServerAddress加以访问。
ReduceTask运行在YarnChild启动的Java虚拟上。在Reduce Shuffle阶段，分为两个步骤，第一个copy，第二个Merge Sort。
（1）.Copy阶段
Reduce任务通过HTTP向各个Map任务拖取它所需要的数据。Map任务成功完成后，会通知ApplicationMaster状态已经更新。所以，对于指定作业来说，ApplicationMaster能记录Map输出和NodeManager机器的映射关系。Reduce会定期向ApplicationMaster获取Map的输出位置，一旦拿到输出位置，Reduce任务就会从此输出对应的机器上上复制输出到本地，而不会等到所有的Map任务结束。
（2）.Merge Sort
Copy过来的数据会先放入内存缓冲区中，如果内存缓冲区中能放得下这次数据的话就直接把数据写到内存中，即内存到内存merge。Reduce要向每个Map去拖取数据，在内存中每个Map对应一块数据，当内存缓存区中存储的Map数据占用空间达到一定程度的时候，开始启动内存中merge，把内存中的数据merge输出到磁盘上一个文件中，即内存到磁盘merge。
当属于该reducer的map输出全部拷贝完成，则会在reducer上生成多个文件（如果拖取的所有map数据总量都没有内存缓冲区，则数据就只存在于内存中），这时开始执行合并操作，即磁盘到磁盘merge，Map的输出数据已经是有序的，Merge进行一次合并排序，所谓Reduce端的sort过程就是这个合并的过程。一般Reduce是一边copy一边sort，即copy和sort两个阶段是重叠而不是完全分开的。最终Reduce shuffle过程会输出一个整体有序的数据块。
详细的流程过程如图1.5所示。
图1.5 reduce shuffle过程图
