16.hadoop系列之MapReduce之MapTask与ReduceTask及Shuffle工作机制

1.MapTask工作机制

以上内容我们之前文章或多或少介绍过，就已网络上比较流行的该图进行理解学习吧
MapTask分为五大阶段

• Read阶段
• Map阶段
• Collect阶段
• 溢写阶段
• Merge阶段

2.ReduceTask工作机制

ReduceTask分为三大阶段

• Copy阶段
• Sort阶段
• Reduce阶段

3.ReduceTask并行度决定机制

MapTask并行度由切片个数决定，切片个数由输入文件和切片规则决定，ReduceTask与MapTask的并发数决定不同，可以直接设置

 job.setNumReduceTasks(4);

4.ReduceTask注意事项

• ReduceTask=0,表示没有Reduce阶段，输出文件数与Map阶段输出个数一致
• ReduceTask默认值1，所以输出文件是一个
• 如果数据分布不均匀，就有可能Reduce阶段产生数据倾斜
• ReduceTask数量并不是任意设置，要考虑业务需求，当需要计算全局汇总结果，就只能有1个ReduceTask
• 具体多少个ReduceTask,需要根据集群性能而定
• 如果分区数不是1，但是ReduceTask为1，不会执行分区过程，在MapTask源码中，分区前提是先判断ReduceNum个数是否大于1，不大于1肯定不执行分区

5.Shuffle机制

Map方法之后，Reduce方法之前的数据处理过程称为Shuffle

欢迎关注公众号算法小生与我沟通交流