Map/Reduce 工作机制分析 --- 作业的执行流程

前言

　　从运行我们的 Map/Reduce 程序，到结果的提交，Hadoop 平台其实做了很多事情。

　　那么 Hadoop 平台到底做了什么事情，让 Map/Reduce 程序可以如此 "轻易" 地实现分布式运行？

Map/Reduce 任务执行总流程

　　经过之前的学习，我们已经知道一个 Map/Reduce 作业的总流程为：

　　　　代码编写  -->  作业配置  -->  作业提交  -->  Map任务的分配和执行  -->  处理中间结果(Shuffle)  -->  Reduce任务的分配和执行  -->  作业完成

　　如下图所示：

　　

Map/Reduce 框架中的四大实体

　　1. 客户端

　　　　负责编写代码，配置作业，提交作业。任何节点都可以充当客户端。

　　2. JobTracker (1个)

　　　　作业中心控制节点，一般一个集群就一个JobTracker。

　　3. TaskTracker (很多个)

　　　　作业具体执行节点，可以分为Map节点和Reduce节点两大类。

　　4. HDFS

　　　　分布式文件系统，保存从作业提交到完成需要的各种信息。

阶段一：提交作业阶段

　　1. 首先，开发人员编写好程序代码，配置好输入输出路径，Key/Value 类型等等。(这部分是人为控制阶段，接下来的所有操作都是Hadoop完成的了)

　　2. 从JobTracker处获取当前的作业ID号

　　3. 检查配置合法性 (如输入目录是否存在等)

　　4. 计算作业的输入划分，并将划分信息写入到Job.split文件。

　　5. 将运行作业需要的所有资源都复制到HDFS上。

　　6. 通知JobTracker准备完毕，可以执行作业了。

阶段二：初始化作业阶段

　　这个阶段，JobTracker将为作业创建一个对象，专门监控它的运行。

　　并根据Job.split文件(上一步生成)来创建并初始化Map任务和Reduce任务。

阶段三：分配任务

　　JobTracker和TaskTracker之间通信和任务分配是通过心跳机制来完成的，每个TaskTracker作为一个单独的JVM执行一个简单的循环。

　　TaskTracker每隔一段时间都会向JobTracker汇报它的任务进展报告，JobTracker在收到进展报告以后如果发现任务完成了，就会给它再分配新的任务。

　　一般来说TaskTracker有个任务槽，它是有容量限制的 - 只能装载一定个数的Map/Reduce任务。

　　这一步和下一步，就形成一次心跳。

阶段四：执行任务

　　这一步的主体是TaskTracker，主要任务是实现任务的本地化。

　　具体步骤如下：

　　　　1. 将job.split复制到本地

　　　　2. 将job.jar复制到本地

　　　　3. 将job的配置信息写入到job.xml

　　　　4. 创建本地任务目录，解压job.jar

　　　　5. 发布任务并在新的JVM里执行此任务。

　　　　6. 最后将计算结果保存到本地缓存

小结

　　本文细致分析了Map/Reduce的作业执行流程。

　　但在流程的执行过程当中，数据的具体流动途径也是需要仔细分析的 - 是存放在本地磁盘，还是HDFS？

　　另外，还需要做好错误处理 - 比如说某个节点坏了怎么办？

　　这些将在后面的两篇文章中做出分析和介绍。

　　

Map/Reduce 工作机制分析 --- 作业的执行流程的相关教程结束。