漫画：什么是MapReduce？

点击上方“程序员小灰”，选择“置顶公众号”有趣有内涵的文章第一时间送达！





—————  第二天  —————













————————————









什么是MapReduce？

MapReduce是一种编程模型，其理论来自Google公司发表的三篇论文（MapReduce，BigTable，GFS）之一，主要应用于海量数据的并行计算。

MapReduce可以分成Map和Reduce两部分理解。
1.Map：映射过程，把一组数据按照某种Map函数映射成新的数据。

2.Reduce：归约过程，把若干组映射结果进行汇总并输出。



让我们来看一个实际应用的栗子，如何高效地统计出全国所有姓氏的人数？

我们可以利用MapReduce的思想，针对每个省的人口做并行映射，统计出若干个局部结果，再把这些局部结果进行整理和汇总：



这张图是什么意思呢？我们来分别解释一下步骤：

1.Map：
以各个省为单位，多个线程并行读取不同省的人口数据，每一条记录生成一个Key-Value键值对。图中仅仅是简化了的数据。

2.Shuffle
Shuffle这个概念在前文并未提及，它的中文意思是“洗牌”。Shuffle的过程是对数据映射的排序、分组、拷贝。

3.Reduce执行之前分组的结果，并进行汇总和输出。

需要注意的是，这里描述的Shuffle只是抽象的概念，在实际执行过程中Shuffle被分成了两部分，一部分在Map任务中完成，一部分在Reduce任务中完成。





[b]Hadoop如何实现MapReduce？[/b]



Hadoop是Apache基金会开发的一套分布式系统框架，包含多个组件，其核心就是HDFS和MapReduce。

由于篇幅原因，文本不会对Hadoop做完整的介绍，只是简单介绍一下Haddoop框架当中如何实现MapReduce。

下面这张图是Hadoop框架执行一个MapReduce Job的全过程：




这里需要对几种实体进行解释：

HDFS:  
Hadoop的分布式文件系统，为MapReduce提供数据源和Job信息存储。

Client Node: 
执行MapReduce程序的进程，用来提交MapReduce Job。

JobTracker Node: 
把完整的Job拆分成若干Task，负责调度协调所有Task，相当于Master的角色。

TaskTracker Node: 
负责执行由JobTracker指派的Task，相当于Worker的角色。这其中的Task分为MapTask和ReduceTask。











大数据技术培训哪家强？

由于大数据技术的炙手可热，相关的技术培训学校像雨后春笋一样大量涌现，但是许多培训学校其实并不靠谱。

比如这样的学校就不靠谱，上个学还要担心生命危险：



这样的学校也不靠谱，要天天被电疗：



经过多年经验，真正能入小灰法眼的技术培训学校只有五家。今天小灰为大家介绍其中一家：ItStar睿思达学院。








ItStar睿思达学院与阿里云合作，专注中高端IT教育课程，主要开设 大数据、机器学习、AI、云计算、java、前端、运维等相关课程，老师全部来自于BAT等中国乃至全球最顶尖的一线工程师。

最近，ItStar睿思达学院为我们准备了一系列免费的大数据公开课直播，此次讲座特别联合阿里云合作伙伴，11 年大数据项目开发经验、500 强企业资深大数据架构师 Arry 老师。



扫一扫又不会怀孕，有对大数据方向有兴趣或者疑问的小伙伴们，都可以扫二维码进行咨询。





最后，祝愿有志向成为大数据工程师的小伙伴们，以及小灰的所有读者们，在新的一年顺利达成梦想！



—————END—————



喜欢本文的朋友们，欢迎长按下图关注订阅号程序员小灰，收看更多精彩内容