首页大数据技术文章正文

MapReduce编程的两种数据流模型演示

更新时间:2020年12月17日11时42分来源:传智教育浏览次数:

好口碑IT培训

　　MapReduce是一种编程模型，用于处理大规模数据集的并行运算。使用MapReduce执行计算任务的时候，每个任务的执行过程都会被分为两个阶段，分别是Map和Reduce，其中Map阶段用于对原始数据进行处理，Reduce阶段用于对Map阶段的结果进行汇总，得到最终结果，这两个阶段的模型如图1所示。

　　图1 MapReduce简易模型

　　MapReduce编程模型借鉴了函数式程序设计语言的设计思想，其程序实现过程是通过map()和reduce()函数来完成的。从数据格式上来看，map()函数接收的数据格式是键值对，产生的输出结果也是键值对形式，reduce()函数会将map()函数输出的键值对作为输入，把相同key值的value进行汇总，输出新的键值对。接下来，通过一张图来描述MapReduce的简易数据流模型，具体如图2所示。

图2 MapReduce简易数据流模型

　　关于图2描述的MapReduce简易数据流模型的相关说明，具体如下：

　　 (1)将原始数据处理成键值对形式。

　　 (2)将解析后的键值对传给map()函数，map()函数会根据映射规则，将键值对映射为一系列中间结果形式的键值对。

　　 (3)将中间形式的键值对形成形式传给reduce()函数处理，把具有相同key的value合并在一起，产生新的键值对，此时的键值对就是最终输出的结果。

　　这里需要说明的是，对于某些任务来说，可能不一定需要Reduce过程，也就是说，MapReduce的数据流模型可能只有Map过程，由Map产生的数据直接被写入HDFS中。但是，对于大多数任务来说，都是需要Reduce过程的，并且可能由于任务繁重，需要设定多个Reduce，例如，下面是一个具有多个Map和Reduce的MapReduce模型，具体如图3所示。