简述mapreduce的工作流程
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
简述mapreduce的工作流程
MapReduce是一种分布式数据处理模型，它由Google提出，用于处理海量的数据。
它由map和reduce两个阶段组成，是一种函数式编程模型。
MapReduce的工作流程如下：
1. Map阶段：
该阶段是分割数据的过程，它将大量的数据分隔成小块，并将每个数据块分发到不同的机器上进行处理；
2. Reduce阶段：
该阶段是合并数据的过程，它将map阶段产生的数据块组织成一个完整的结果。
3. JobTracker：
该阶段是调度map和reduce阶段的阶段。
它将map和reduce阶段按照用户给定的参数调度到不同的机器上执行。
4. TaskTracker：
该阶段是运行map和reduce阶段的阶段，它根据jobtracker调度的参数，在不同的机器上执行map和reduce阶段的任务。
5. HDFS：
HDFS是运行mapreduce任务所必须的Hadoop分布式文件系统，它可以把大量的数据存储在不同的机器上，以便mapreduce能更有效地处理数据。
6. Output：
mapreduce最后的输出是由reduce阶段产生的，它是mapreduce 处理的最终结果。