云计算

怎样理解MapReduce中shuffle，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。

概念解释： 

        shuffle：简单的名称称为 混洗。 事实上shuffle是一个非常非常简单的概念。简单点来说就是洗牌。

         shuffle：按照固定的规则，就【key，value】而言。

前提

 由于之前一直都是使用的 Hadoop1 ，并未使用 Hadoop Yarn，所以有关shuffle的机制，还请参考最新的底层API

1 ： 不管是在Map端，还是Reduce端，不管是Hadoop MapReduce 还是Storm 。 对于数据的内部处理，很多时候都需要

对于是底层的 内存和磁盘做出一个合理的取舍。

 Map端：

                1 ： 数据并不是简单的把他直接的写到了磁盘，这个过程比较复杂，他利用了缓冲的方式写到了内存，并且出于效率上的考虑，进行了预排序。

                2：每一个默认的Map任务都会有一个环形的缓存区。这个缓存区用来持有Map的输出，我印象中是100M左右， 一旦达到的固定的必烈，那么就会把内容写到磁盘之中，在写磁盘的过程之中，Map输出继续被写入到缓冲区。

                3：在写入到缓存区之前，会将这个数据进行一次分区和排序（这个分区和排序将会按照reduce的对应关系来生成）

                 4：关于这个分区的数据将通过Http的协议来传递给 Reduce端。

Reduce端：

            Reduce端口的第一个阶段是：copy 阶段，也就是说我们需要把数据从Map端口copy到Reduce端口。 如果Map的端口输出相当的小，那么就会被复制到 Reduce端。

          其次：在拉取到数据之后，我们将进入到了：排序的阶段。  sort phase 阶段，更恰当的来说，是一个合并的阶段，因为排序的阶段已经在Map 端口完成了。只需要在reduce端合并就可以了

           对于MapReduce，之前我也是能实现类qq圈子算法，对于算法，我也是整本算法导论的人。而，如今却忘的一干二净。记忆会消失，不需要的事物会遗忘。

看完上述内容，你们掌握怎样理解MapReduce中shuffle的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注亿速云行业资讯频道，感谢各位的阅读！