• 分布式并行计算MapReduce


    作业来源于:https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/3319

    1.用自己的话阐明Hadoop平台上HDFS和MapReduce的功能、工作原理和工作过程。

    HDFS功能:

     1.元数据

    Metadata,维护文件和目录信息,分为内存元数据和元数据文件

    NameNode主要存储元数据镜像文件Fsimage和日志文件Edits

    Fsimage记录某一永久性检查点时整个HDFS的元信息

    Edits所有对HDFS的写操作都会记录在此文件

    2.检查点

    定期对NameNode中的文件进行备份,NameNode启动时会将最新的Fsimage加载到内存中

    由secondary namenode完成namenode备份,后者损坏后前者将fsimage拷贝到namenode工作目录,恢复其元数据

    触发条件分为两次检查点间隔时间和两次检查点操作数两种

    3.DataNode功能

    存储管理用户的文件块数据,默认128M/block

    定期汇报块信息给namenode

    Mapreduce功能

    1)数据划分和计算任务调度,

    2)数据/代码互定位,

    3)系统优化,

    4)出错检测和恢复

    HDFS工作原理及流程:

    Mapreduce工作原理及流程:

    MapReduce的执行步骤:

    1、Map任务处理

      1.1 读取HDFS中的文件。每一行解析成一个<k,v>。每一个键值对调用一次map函数。

      1.2 覆盖map(),接收1.1产生的<k,v>,进行处理,转换为新的<k,v>输出。

      1.3 对1.2输出的<k,v>进行分区。默认分为一个区。

      1.4 对不同分区中的数据进行排序(按照k)、分组。分组指的是相同key的value放到一个集合中。

    2、Reduce任务处理

      2.1 多个map任务的输出,按照不同的分区,通过网络copy到不同的reduce节点上。

      2.2 对多个map的输出进行合并、排序。覆盖reduce函数,接收的是分组后的数据,实现自己的业务逻辑,处理后,产生新的<k,v>输出。

      2.3 对reduce输出的<k,v>写到HDFS中。

    2.HDFS上运行MapReduce

    1)准备文本文件,放在本地/home/hadoop/wc

    2)编写map函数和reduce函数,在本地运行测试通过

    尝试运行:

    3)启动Hadoop:HDFS, JobTracker, TaskTracker

    4)把文本文件上传到hdfs文件系统上 user/hadoop/input 

    5)streaming的jar文件的路径写入环境变量,让环境变量生效

    6)建立一个shell脚本文件:streaming接口运行的脚本,名称为run.sh

     

    7)source run.sh来执行mapreduce

    8)查看运行结果

  • 相关阅读:
    从学算法体会如何更好的学习
    java数据结构与算法
    数据结构与算法资料汇总
    Oracle元数据查询总结
    Antlr词法分析之技巧——修改某个token
    动态规划公共子序列
    k8s笔记
    MiniDao1.9.0 版本发布,轻量级Java持久化框架
    autpoi 1.4.3版本发布—Excel傻瓜式API,快速实现Excel导入导出、Word模板导出
    喜讯!喜讯!JeecgBoot Github超 30000 Star—这个低代码平台你还不知道吗?
  • 原文地址:https://www.cnblogs.com/hjlaaa/p/10968339.html
Copyright © 2020-2023  润新知