Hadoop专有名词

Hadoop专有名词

一. HDFS

二. MapReduce

1．MRAppMaster:MapReduce Application Master 负责整个过程调度和协调的

2．MapTask：在Map阶段：负责Map阶段整个数据处理流程

3．ReduceTask：在Reduce阶段：负责Reduce阶段整个数据处理流程

4．Job：LocalJobRuuner  YarnRunner

5．数据切片:splits:逻辑概念 hdfs:block对文件的切块

6．Inputformat:默认的InputFormat-->FileInputFormat-->TextInputFormat《LongWritable,Text》

7．RecordReader:经过RecordReader处理之后形成的是<K,V>

8．LocalJobRunner:

三. 疑问点

1．“整个数据处理流程”

2．MapTask、ReduceTask运行顺序

（1）所有的MapTask运行结束之后会运行ReduceTask

3．一个程序中MapTask的数量是多少？跟什么有关系？

（1）跟切片splits个数有关系，有多少个splits切片就有多少个mapTask

（2）splits大小---》默认跟blockSize一样大(前提条件：1.HDFS上 2.没有手动设置过minSize、MaxSize)

（3）如果一个文件的剩余大小除以splitSize不大于1.1的话，他们会被作为一个切片。

4．一个程序中ReduceTask的数量是多少？跟什么有关系？

（1）根据客户指定的参数,如果没有指定，默认是1.

5．进入到ReduceTask以后“待处理数据”指的是什么数据？

（1）MapTask处理完后溢写到磁盘上面的数据

（2）ReduceTask应该将结果存放到HDFS，保证数据可靠存储。

6．在MapTask阶段会把处理结果溢写到磁盘中？

（1）所谓的溢写到磁盘是指datanode的本地磁盘。如果放到HDFS中会根据副本策略增加多个副本。

7．运行程序后发现的现象：

（1）文件路径：可以是HDFS上的，也可以是本地的。

（2）在eclipse中直接运行程序发现执行Job的都是LocalJobRunner

（3）打成Jar包放在集群上运行，文件路径必须是HDFS路径。

（4）文件内容最终会有序排列：什么阶段做了有序处理？

（5）Hadoop jar hadoop-mapreduce-examples.jar wordcount

9．一个MapReduce程序中能否只有Map?

10．设置输出文件中Key和Value的分割符：configuration.set("mapred.textoutputformat.separator", ";");

11．修改分区并且按照分区写入到不同文件中操作步骤：

（1）自定义类继承自HashPartitioner<MapOutKey,MapOutValue>，重写getPartition方法。按照需求，返回不同的分区。

（2）显式在Job中设置PartitionerClass为自定义类

（3）显式在Job中设置numReduceTasks(分区总个数)

①如果不显式设置，默认为1.那么所有的分区内容存在于一个文件中。

②如果显式设置的分区总个数值大于实际分区总个数，会形成多个空文件。

③如果显式设置的分区总个数值小于实际分区总个数并且不等于1，会抛出异常。

12．在一个Job中，输入文件路径下有多个不同格式的文件需要处理，该如何解决？

（1）3个文件：每一个文件1splits， Map《KeyIN，ValueIn，KeyOut，ObjectWritable》、reduce

①Order订单

②Product产品

ObjectWritable

If（）

Ordedr

Product