作者：黑馬程序員
鏈接：https://zhuanlan.zhihu.com/p/81237437
來源：知乎
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請注明出處。
簡單介紹
相信關于Hadoop中MapReduce的相關文章會很多，這里只簡單介紹一下MapReduce的相關知識。
Hadoop的MapReduce來源于Google公司的三篇論文中的MapReduce，其核心思想是“分而治之”
Map負責“分”，即把復雜的任務分解為若干個“簡單的任務”來并行處理。可以進行拆分的前提是這些小任務可以并行計算，彼此間幾乎沒有依賴關系。
Reduce負責“合”，即對map階段的結果進行全局匯總。
現階段MapReduce一般運行在Hadoop2.x版本的yarn資源平臺上，具體運行過程后面會有詳細說明。
MapReduce編程規范
MapReduce 的開發一共有八個步驟, 其中 Map 階段分為 2 個步驟，Shuffle 階段 4 個步驟，Reduce 階段分為 2 個步驟
Map 階段 2 個步驟
1）設置 InputFormat 類, 將數據切分為 Key-Value(K1和V1) 對, 輸入到第二步
2）自定義 Map 邏輯, 將第一步的結果轉換成另外的 Key-Value（K2和V2） 對, 輸出結果
Shuffle 階段 4 個步驟
3）對輸出的 Key-Value 對進行分區
4）對不同分區的數據按照相同的 Key 排序
5）(可選) 對分組過的數據初步規約, 降低數據的網絡拷貝
6）對數據進行分組, 相同 Key 的 Value 放入一個集合中
Reduce 階段 2 個步驟
7）對多個 Map 任務的結果進行排序以及合并, 編寫 Reduce 函數實現自己的邏輯, 對輸入的 Key-Value 進行處理, 轉為新的 Key-Value（K3和V3）輸出
8）設置 OutputFormat 處理并保存 Reduce 輸出的 Key-Value 數據
MapReduce的步驟圖
yarn資源調度
yarn是hadoop集群當中的資源管理系統模塊，從hadoop2.0開始引入yarn模塊,yarn可為各類計算框架提供資源的管理和調度,主要用于管理集群當中的資源（主要是服務器的各種硬件資源，包括CPU，內存，磁盤，網絡IO等）以及調度運行在yarn上面的各種任務。
相比于hadoop1.x版本，yarn核心出發點是為了分離資源管理與作業監控，實現分離的做法是擁有一個全局的資源管理ResourceManager（RM），以及每個應用程序對應一個的應用管理器ApplicationMaster（AM）。
總結一句話就是說：yarn主要就是為了調度資源，管理任務。
YARN總體上是Master/Slave結構，主要由ResourceManager、NodeManager、 ApplicationMaster和Container等幾個組件構成。
ResourceManager(RM) 負責處理客戶端請求,對各NM上的資源進行統一管理和調度。給ApplicationMaster分配空閑的Container 運行并監控其運行狀態。主要由兩個組件構成：調度器和應用程序管理器：
調度器(Scheduler)：調度器根據容量、隊列等限制條件，將系統中的資源分配給各個正在運行的應用程序。調度器僅根據各個應用程序的資源需求進行資源分配，而資源分配單位是Container。Shceduler不負責監控或者跟蹤應用程序的狀態。總之，調度器根據應用程序的資源要求，以及集群機器的資源情況，為應用程序分配封裝在Container中的資源。
應用程序管理器(Applications Manager)：應用程序管理器負責管理整個系統中所有應用程序，包括應用程序提交、與調度器協商資源以啟動ApplicationMaster 、監控ApplicationMaster運行狀態并在失敗時重新啟動等，跟蹤分給的Container的進度、狀態也是其職責。
NodeManager (NM) NodeManager 是每個節點上的資源和任務管理器。它會定時地向ResourceManager匯報本節點上的資源使用情況和各個Container的運行狀態；同時會接收并處理來自ApplicationMaster 的Container 啟動/停止等請求。
ApplicationMaster (AM)： 用戶提交的應用程序均包含一個ApplicationMaster ，負責應用的監控，跟蹤應用執行狀態，重啟失敗任務等。ApplicationMaster是應用框架，它負責向ResourceManager協調資源，并且與NodeManager協同工作完成Task的執行和監控。
Container： Container是YARN中的資源抽象，它封裝了某個節點上的多維度資源，如內存、CPU、磁盤、網絡等，當ApplicationMaster向ResourceManager申請資源時，ResourceManager為ApplicationMaster 返回的資源便是用Container 表示的。
yarn的架構和工作流程
步驟分析：
- 客戶端通過命令（hadoop jar xxx.jar）提交上傳任務到主節點ResourceManager（RM）中的ApplicationManager進程
- 主節點RM判斷集群狀態，選擇一臺NodeManager（NM），開啟一塊資源Container，用來開啟AppMaster進程
- AppMaster進程獲取RM接收的任務請求，進行任務分配
- AppMaster根據任務情況向RM中的ResourceScheduler索要資源分配方案
- AppMaster根據資源分配方案找到到各個NodeManager從節點
- 在從節點上開啟資源Container，并運行任務Task
- AppMaster獲取各個Task上傳的任務執行進度和結果
- AppMaster將任務執行的結果返回給ApplicationManager
版權聲明：本文內容由互聯網用戶自發貢獻，該文觀點僅代表作者本人。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。如發現本站有涉嫌抄襲侵權/違法違規的內容， 請發送郵件至 舉報，一經查實，本站將立刻刪除。
