Shuffle是什么？有哪些工作流程

map階段處理的數(shù)據(jù)如何傳遞給reduce階段，是MapReduce框架中關(guān)鍵的一個(gè)流程，這個(gè)流程就叫shuffle。
shuffle: 洗牌、發(fā)牌--（核心機(jī)制：數(shù)據(jù)分區(qū)，排序，合并）。

shuffle是Mapreduce的核心，它分布在Mapreduce的map階段和reduce階段。一般把從Map產(chǎn)生輸出開(kāi)始到Reduce取得數(shù)據(jù)作為輸入之前的過(guò)程稱(chēng)作shuffle。

1.Collect階段：將MapTask的結(jié)果輸出到默認(rèn)大小為100M的環(huán)形緩沖區(qū)，保存的是key/value，Partition分區(qū)信息等。

2.Spill階段：當(dāng)內(nèi)存中的數(shù)據(jù)量達(dá)到一定的閥值的時(shí)候，就會(huì)將數(shù)據(jù)寫(xiě)入本地磁盤(pán)，在將數(shù)據(jù)寫(xiě)入磁盤(pán)之前需要對(duì)數(shù)據(jù)進(jìn)行一次排序的操作，如果配置了combiner，還會(huì)將有相同分區(qū)號(hào)和key的數(shù)據(jù)進(jìn)行排序。

3.Merge階段：把所有溢出的臨時(shí)文件進(jìn)行一次合并操作，以確保一個(gè)MapTask終只產(chǎn)生一個(gè)中間數(shù)據(jù)文件。

4.Copy階段： ReduceTask啟動(dòng)Fetcher線(xiàn)程到已經(jīng)完成MapTask的節(jié)點(diǎn)上復(fù)制一份屬于自己的數(shù)據(jù)，這些數(shù)據(jù)默認(rèn)會(huì)保存在內(nèi)存的緩沖區(qū)中，當(dāng)內(nèi)存的緩沖區(qū)達(dá)到一定的閥值的時(shí)候，就會(huì)將數(shù)據(jù)寫(xiě)到磁盤(pán)之上。

5.0Merge階段：在ReduceTask遠(yuǎn)程復(fù)制數(shù)據(jù)的同時(shí)，會(huì)在后臺(tái)開(kāi)啟兩個(gè)線(xiàn)程對(duì)內(nèi)存到本地的數(shù)據(jù)文件進(jìn)行合并操作。

6.Sort階段：在對(duì)數(shù)據(jù)進(jìn)行合并的同時(shí)，會(huì)進(jìn)行排序操作，由于MapTask階段已經(jīng)對(duì)數(shù)據(jù)進(jìn)行了局部的排序，ReduceTask只需保證Copy的數(shù)據(jù)的 終整體有效性即可。

Shuffle中的緩沖區(qū)大小會(huì)影響到mapreduce程序的執(zhí)行效率，原則上說(shuō)，緩沖區(qū)越大，磁盤(pán)io的次數(shù)越少，執(zhí)行速度就越快。緩沖區(qū)的大小可以通過(guò)參數(shù)調(diào)整， 參數(shù)：io.sort.mb 默認(rèn)100M

MapReduce編程原理介紹[MapReduce開(kāi)發(fā)必讀]

MapReduce程序在本地運(yùn)行的模式怎樣設(shè)置？

簡(jiǎn)單舉例，MapReduce是如何進(jìn)行計(jì)算的

傳智教育python+大數(shù)據(jù)開(kāi)發(fā)高手班