第1节 MapReduce入门：11、mapreduce程序的入门

1.1、理解MapReduce思想

MapReduce思想在生活中处处可见。或多或少都曾接触过这种思想。MapReduce的思想核心是“分而治之”，适用于大量复杂的任务处理场景（大规模数据处理场景）。即使是发布过论文实现分布式计算的谷歌也只是实现了这种思想，而不是自己原创。

Map负责“分”，即把复杂的任务分解为若干个“简单的任务”来并行处理。可以进行拆分的前提是这些小任务可以并行计算，彼此间几乎没有依赖关系。

Reduce负责“合”，即对map阶段的结果进行全局汇总。

这两个阶段合起来正是MapReduce思想的体现。

1.2、Hadoop MapReduce设计构思

1.如何对付大数据处理：分而治之

2. 构建抽象模型：Map和Reduce

map: (k1; v1) → [(k2; v2)]

reduce: (k2; [v2]) → [(k3; v3)]

3.统一构架，隐藏系统层细节

1.3、MapReduce框架结构

1.4、MapReduce编程规范及示例编写

mapReduce编程模型的总结：

MapReduce的开发一共有八个步骤其中map阶段分为2个步骤，shuffle阶段4个步骤，reduce阶段分为2个步骤

Map阶段2个步骤

第一步：设置inputFormat类，将我们的数据切分成key，value对 (k1,v1)，输入到第二步

第二步：自定义map逻辑，处理我们第一步的输入数据，然后转换成新的key，value对进行输出 (k2,v2)

shuffle阶段4个步骤（可以全部不用管）

第三步：对输出的key，value对 (k2,v2) 进行分区

第四步：对不同分区的数据按照相同的key进行字典顺序的排序

第五步：对分组后的数据进行规约(combine操作)，降低数据的网络拷贝（可选步骤）（减少输出的k2的数据量）

第六步：对排序后的额数据进行分组，分组的过程中，将相同key的value放到一个集合当中（调用一次reduce逻辑）

reduce阶段2个步骤

第七步：对多个map的任务进行合并，排序，写reduce函数自己的逻辑，对输入的key，value对进行处理，转换成新的key，value对 (k3,v3) 进行输出

第八步：设置outputformat将输出的key，value对 (k3,v3) 数据进行保存到文件中

八个步骤背下来！

每一个步骤都是一个class类，将八个步骤的class类组织到一起就是我们的mapreduce的程序。

注意：分区和分组是不一样的，详见如下步骤描述：

假如数据数据是这样的（a,1）,(b,1),(c,1),(d,1),（a,2）,(b,2),(c,2),(d,2),（a,3）,(b,3),(c,3),(d,3)，

我们reducetask的数量是 2，所以现在数据先分两个区。

1区：（a,1）,(b,1)，（a,2）,(b,2),（a,3）,(b,3)
2区：(c,1),(d,1),(c,2),(d,2),(c,3),(d,3)；

现在分好区了，reducetask1 拿到分区1的数据：（a,1）,(b,1)，（a,2）,(b,2),（a,3）,(b,3)
，现在对这些数据进行分组，其中有两个key，所以分成了两个组：组1 （a，List（1，2，3））组2 （b，List（1，2，3））

reducetask2上面类似的操作分成了两组。