在Map Reduce编程中,reduce阶段具有改组,排序和reduce的子部分。排序是一项昂贵的事务。
Map Reduce编程中的reducer的改组和排序阶段的目的是什么?
在Map Reduce编程中,reduce阶段具有改组,排序和reduce的子部分。排序是一项昂贵的事务。
Map Reduce编程中的reducer的改组和排序阶段的目的是什么?
Answers:
首先shuffling
是将数据从映射器传输到简化器的过程,因此我认为对于简化器来说很明显是必要的,因为否则,它们将无法获得任何输入(或每个映射器的输入) 。改组甚至可以在地图阶段完成之前开始,以节省一些时间。因此,当地图状态尚未达到100%时,您会看到缩小状态大于0%(但小于33%)。
Sorting
为减速器节省时间,帮助它轻松区分何时应启动新的减速任务。简单地说,当排序后的输入数据中的下一个键与上一个键不同时,它只是启动一个新的reduce任务。每个reduce任务都会获取一个键-值对列表,但是它必须调用reduce()方法,该方法接受一个key-list(value)输入,因此必须按键对值进行分组。如果输入数据在映射阶段进行了预排序(本地),而在归约阶段简单地进行了归并排序(因为归约器从许多映射器获取数据),则这样做很容易。
Partitioning
您在其中一个答案中提到的,是一个不同的过程。它确定映射相位的输出(键,值)对将发送到哪个减速器。默认的分区程序在键上使用哈希将其分配给reduce任务,但是您可以覆盖它并使用自己的自定义分区程序。
这些步骤的重要信息来源是此Yahoo教程。
下面是一个很好的图形表示形式(在此图中,混洗称为“复制”):
请注意,如果您指定零个减速器(setNumReduceTasks(0))shuffling
,sorting
则根本不会执行和。然后,MapReduce作业在地图阶段停止,并且地图阶段不包括任何种类的排序(因此,即使地图阶段也更快)。
更新:由于您正在寻找更正式的东西,因此您也可以阅读Tom White的书“ Hadoop:权威指南”。这是您问题的有趣部分。
Tom White自2007年2月以来一直是Apache Hadoop的提交者,并且是Apache Software Foundation的成员,所以我认为它是相当可信且正式的...
让我们回顾一下Mapreduce程序的关键阶段。
该地图相由映射器来完成。映射器在未排序的输入键/值对上运行。每个映射器为每个输入键/值对发出零,一个或多个输出键/值对。
该组合相由合成器来完成。该组合应结合键/值对具有相同的密钥。每个组合器可以运行零次,一次或多次。
在洗牌和排序阶段是由框架来完成。来自所有映射器的数据按键分组,在化简器中拆分,然后按键排序。每个化简器获得与同一键关联的所有值。程序员可以提供用于排序的自定义比较功能,以及用于数据拆分的分区程序。
该分区决定哪些减速会得到一个特定的键值对。
该减速器取得排序键/ [值列表]对,排序由所述密钥。值列表包含映射器生成的具有相同键的所有值。每个缩减器为每个输入键/值对发出零,一个或多个输出键/值对。
看看这个javacodegeeks 文章由玛丽亚Jurcovicova和mssqltips由达塔为了更好的理解文章
以下是Safaribooksonline文章的图片
ie
Reducers和Output下的字符串实际上应该是is
。
我想到的只是添加以上答案中缺少的一些要点。从这里获取的这张图清楚地说明了实际情况。
如果我再说一遍的真正目的
拆分:通过在不同节点(映射程序)之间分配处理负载来改善并行处理,这将节省总体处理时间。
合并:缩小每个Mapper的输出。这样可以节省将数据从一个节点移动到另一个节点的时间。
排序(随机排序):使运行时可以轻松地计划(生成/启动)新的reducer,在浏览排序项目列表时,只要当前键与先前的键不同,就可以生成一个新的reducer 。
我一直认为这是必要的,因为映射器的输出是化简器的输入,因此根据键空间对它进行排序,然后为每个化简器输入拆分为存储桶。您要确保将所有相同的Key值最终存储到归还到reducer的同一存储桶中,以便将它们一起归约。没有必要将K1,V2和K1,V4发送到不同的异径管,因为它们需要在一起才能被还原。
试图尽可能简单地解释它
MapReduce只能自然地执行两件事:排序和(通过排序实现)可伸缩的GroupBy。
MapReduce上的大多数应用程序和设计模式都是基于这两个操作构建的,这两个操作是由shuffle和sort提供的。
好吧,在Mapreduce中有两个重要的短语,称为Mapper和reducer都太重要了,但是Reducer是必需的。在某些程序中,减速器是可选的。现在来问你的问题。改组和排序是Mapreduce中的两个重要操作。第一个Hadoop框架采用结构化/非结构化数据并将数据分为键,值。
现在,Mapper程序将数据分离并将数据整理为要处理的键和值。生成键2和值2的值。该值应按正确的顺序进行处理和重新排列以获得所需的解决方案。现在,此处理和排序已在本地系统中完成(框架要小心),并在流程框架清理本地系统中的数据之后在本地系统中进行处理。好
在这里,我们还使用组合器和分区来优化此混洗和排序过程。经过适当安排,这些关键值将传递给Reducer以获取所需的客户输出。最后,Reducer获得所需的输出。
K1,V1-> K2,V2(我们将编写程序Mapper),-> K2,V'(在这里对数据进行随机排序和软化)-> K3,V3生成输出。K4,V4。
请注意,所有这些步骤仅是逻辑操作,不能更改原始数据。
您的问题:Map Reduce编程中的reducer的改组和排序阶段的目的是什么?
简短答案:处理数据以获得所需的输出。改组聚合数据,减少得到预期的输出。