MapReduce 2.0应用场景、原理与基本架构.pdf

MapReduce 2.0应用场景、 原理与基本架构 讲师：董西成 博客：dongxicheng.org 微信号：hadoop-123 （二维码见右） Open Passion Value 目录 1. MapReduce的应用场景 2. MapReduce编程模型 3. MapReduce的架构 4. 常见MapReduce应用场景 5. 总结 2 MapReduce的定义  源自于Google的MapReduce论文  发表于2004年12月  Hadoop MapReduce是Google MapReduce克隆版  MapReduce特点  易于编程  良好的扩展性  高容错性  适合PB级以上海量数据的离线处理 3 MapReduce的特色—不擅长的方面  实时计算 像MySQL一样，在毫秒级或者秒级内返回结果  流式计算 MapReduce的输入数据集是静态的，不能动态变化 MapReduce 自身的设计特点决定了数据源必须是静 态的  DAG计算 多个应用程序存在依赖关系，后一个应用程序的 输入为前一个的输出 4 目录 1. MapReduce的应用场景 2. MapReduce编程模型 3. MapReduce的架构 4. 常见MapReduce应用场景 5. 总结 5 MapReduce的实例—Wordcount  场景：有大量文件，里面存储了单词， 且一个单词占一行  任务：如何统计每个单词出现的次数？  类似应用场景： 搜索引擎中，统计最流行的K个搜索词； 统计搜索词频率，帮助优化搜索词提示 6 MapReduce的实例—Wordcount  Case 1：整个文件可以加载到内存中；  sort datafile | uniq -c  Case 2：文件太大不能加载到内存中，但 <word, count>可以存放到内存中；  Case 3：文件太大无法加载到内存中，且 <word, count>也不行 7 MapReduce的实例—Wordcount  将问题范化为：有一批文件（规模为TB级或 者PB级），如何统计这些文件中所有单词出 现的次数；  方案：首先，分别统计每个文件中单词出现 次数，然后累加不同文件中同一个单词出现 次数；  典型的MapReduce过程。 8 MapReduce编程模型—WordCount 9 MapReduce编程模型—WordCount Input: 一系列key/value对 用户提供两个函数实现: map(k,v)  list(k1,v1) reduce(k1, list(v1))  v2 (k1,v1) 是中间key/value结果对 Output：一系列(k2,v2)对 10 MapReduce编程模型—WordCount map(key, value): // key: document name; value: text of document for each word w in