T-13-云计算 | Google分布式数据处理MapReduc

1. 产生背景

MapReduce这种并行编程模式思想最早是在1995年提出的。

Jeffery Dean

与传统的分布式程序设计相比，MapReduce封装了并行处理、容错处理、本地化计算、负载均衡等细节，还提供了一个简单而强大的接口。

MapReduce把对数据集的大规模操作，分发给一个主节点管理下的各分节点共同完成，通过这种方式实现任务的可靠执行与容错机制。

2. 编程模型

编程模型01
编程模型02

3. 实现机制

实现机制

1. MapReduce函数首先把输入文件分成M块
2. 分派的执行程序中有一个主控程序Master
3. 一个被分配了Map任务的Worker读取并处理相关的输入块
4. 这些缓冲到内存的中间结果将被定时写到本地硬盘，这些数据通过分区函数分成R个区
5. 当Master通知执行Reduce的Worker关于中间<key,value>对的位置时，它调用远程过程，从Map Worker的本地硬盘上读取缓冲的中间数据
6. Reduce Worker根据每一个唯一中间key来遍历所有的排序后的中间数据，并且把key和相关的中间结果值集合传递给用户定义的Reduce函数
7. 当所有的Map任务和Reduce任务都完成的时候，Master激活用户程序

4. 容错机制

容错机制