hadoop Map-Reduce体系架构

1. map-reduce的编程模型

2. 没有reduce的编程模型

3. 复杂的编程模型

4.mapper

Map-Reduce的思想就是“分而治之”

mapper负责“分”，即把复杂的任务分解为若干个“简单的任务”执行

“简单的任务”有几个含义： 1）数据或计算规模相当于缘任务要大大缩小；2）就近计算，即会被分配到存放了所需数据的节点进行计算；3）这些小任务可以并行计算，彼此间几乎没有依赖关系

5.Reducer

对map阶段的结果进行汇总

Reducer的数目由mapred-site.xml配置文件里的项目mapred.reduce.tasks决定。缺省值为1，用户可以覆盖之

6．Shuttler

在mapper和reducer中间的一个步骤（可以没有）

可以把mapper的输出结果按照某种key值重新切分和组合n份

把key值符合某种范围的输出送到特定的reducer那里去处理

可以简化reducer过程

7．M-R的现实例子

流程原理图

Mapper

reducer

运行mapper和reducer

8. 性能优化

究竟需要多少个reducer

输入：大文件优于小文件

减少网络传输：压缩map的输出

优化每个节点能运行的任务数：mapred.tasktracker.map.tasks.maximum和mapred.tasktracker.reduce.tasks.maximum(缺省值均为2)

9.map-reduce工作机制剖析图

10.调度机制

缺省为先入先出作业队列调度

支持公平调度器

支持容量调度器

11.任务执行优化

12.错误处理机制：硬件故障

13.错误处理机制：任务失败

14.hadoop命令大全和hadoop API大全

15.审计日志

把log4j.properties配置文件中的log4j.logger.org.apache.hadoop.fs.FSNamesytem.audit=WARN改为“INFO”可以打开审计日志。每个HDFS事件都会在namenode的log中写入一行记录

16.监控日志

17.第三方工具

Ganglia

Chukwa

Openstack