本文共 581 字，大约阅读时间需要 1 分钟。

♑ 定义

Map方法之后，Reduce方法之前的数据处理过程称之为Shuffle。

♑ Map方法之后Shuffle过程

   ♬ 分区

• 在溢写之前对环形缓冲区中的数据集进行分区操作

   ♬ 排序

• 在溢写之前对环形缓冲区中分区的数据集进行排序，按照分区进行

   ♬ Combiner（可选）

• 在溢写到磁盘之前，如果是汇总操作，可以利用Combiner对数据进行分区合并，最终溢写到磁盘上

   ♬ 分区归并排序

• 将分区上的数据集进行归并，同一分区上的数据集合并，排序（如果符合条件还可以继续进行Combiner合并）

   ♬ 压缩

• 对处理好的数据进行压缩

   ♬ 写磁盘

• 将压缩好的数据写到磁盘上，按分区输出

♑ Reduce方法之前Shuffle过程

主要包括以下几步：

   ♬ 拷贝

• 将map处理输出的同一分区数据拷贝到内存中，若内存不够，溢出到磁盘中（同时开启一个RecuceTask来处理该分区的数据）

   ♬ 归并排序

• 将内存和磁盘上的数据集进行归并，也就是在每个开启的ReduceTask中，对从不同MapTask中拉取过来的相同分区的数据进行合并，之后对每个ReduceTask上合并的总数据集再进行排序。

   ♬ 分组

• 对归并好的数据按照相同的key进行分组，等待reduce()来对同组数据进行处理，也就是相同key的数据进入同一个reduce()方法。

转载地址：http://ckeq.baihongyu.com/