1 概述 该瞅瞅MapReduce的内部运行原理了，以前只知道个皮毛，再不搞搞，不然怎么死的都不晓得。下文会以2.4版本中的WordCount这个经典例子作为分析的切入点，一步步来看里面到底是个什么情况。 2 为什么要使用MapReduce Map/Reduce，是一种模式，适合解决并行计算 ...

JobClient JobClient是提交job的客户端，当创建一个实例时，构造函数里面要做的事情是： 创建完实例，向JobTracker提交一个job使用的方法是： ...

一、概述 理解Hadoop的Shuffle过程是一个大数据工程师必须的，笔者自己将学习笔记记录下来，以便以后方便复习查看。 二、 MapReduce确保每个reducer的输入都是按键排序的。系统执行排序、将map输出作为输入传给reducer的过程称为Shuffle。 2.1 map端 ...

MapReduce的设计思想 主要的思想是分而治之(divide and conquer),分治算法。 将一个大的问题切分成很多小的问题，然后在集群中的各个节点上执行，这既是Map过程。在Map过程结束之后，会有一个Ruduce的过程，这个过程即将所有的Map阶段产出 ...

MapReduce过程源码分析 Mapper   首先mapper完成映射，将word映射成(word,1)的形式。   MapReduce进程，Map阶段也叫MapTask，在MapTask中会通过run()方法来调用我们用户重写的mapper() 方法，   分布式的运算程序往往需要分成 ...

前言 　　上一篇我们分析了一个MapReduce在执行中的一些细节问题，这一篇分享的是MapReduce并行处理的基本过程和原理。 　　Mapreduce是一个分布式运算程序的编程框架，是用户开发“基于hadoop的数据分析应用”的核心框架。　　Mapreduce核心功能是将用户编写的业务逻辑 ...

前言 　　刚才发生了悲伤的一幕，本来这篇博客马上就要写好的，花了我一晚上的时间。但是刚才电脑没有插电源就没有了。很难受！想哭，但是没有办法继续站起来。 　　前面的一篇博文中介绍了什么是MapReduce，这一篇给大家详细的分享一下MapReduce的运行原理。 一、写一个MapReduce ...

这是我的分析，当然查阅书籍和网络。如有什么不对的，请各位批评指正。以下的类有的并不完全，只列出重要的方法。 如要转载，请注上作者以及出处。 一、源码阅读环境 需要安装jdk1.7.0版本及其以上版本，还需要安装Eclipse阅读hadoop源码。 Eclipse安装教程参见我的博客 ...