千鋒教育-做有情懷、有良心、有品質的職業教育機構
1. MapReduce是Hadoop的一個核心技術、是一個基于分布式的對大數據集進行并行處理的一個計算框架。
2. 核心思想是移動計算而非數據。
3. 整個計算流程分為兩個階段，一個是map階段，一個是reduce階段
- map階段 一個mapreduce作業在map階段會先對數據進行邏輯分片處理，一個邏輯分片對應一個MapTask。
每一個MapTask在處理數據的時候，都會將每一行數據解析成鍵值對的形式，作為輸入。
輸入給map函數。map函數處理后，也會以鍵值對的形式作為輸出。
之后會對數據進行分區，排序等處理
- reduce階段 在進入reduce階段之前。
reduceTask會將自己要處理的分區數據fetch到reduceTask所在的機器節點上,然后以鍵值對
上一篇
mapreduce二次排序
hive外部表是使用external關鍵字并指定一個hdfs目錄創建的表。hive內部表在創建時會在對應hive目錄下創建相應的文件夾，外部表則以指定文件夾為...詳情>>
2022-09-02 17:21:00
Checkpoint是為runtime準備的，Savepoint 是為用戶準備的。Checkpoint 機制的目標在于保證Flink作業意外崩潰重啟不影響exactly once 準確性，通...詳情>>
2022-09-02 16:59:22
State：指一個具體的Task/Operator的狀態。State可以被記錄，在失敗的情況下數據還可以恢復，Flink中有兩種基本類型的State： Keyed State， Op...詳情>>
2022-09-02 16:59:19
Flink 內部是基于producer-consumer模型來進行消息傳遞的，Flink的反壓設計也是基于這個模型。Flink 使用了高效有界的分布式阻塞隊列，就像 Jav...詳情>>
2022-09-02 16:59:16
雖說水位線(Watermark)表明早于它的事件不應該再出現，但是接收到水位線以前的的消息是不可避免的，這就是所謂的遲到事件。實際上遲到事件是亂...詳情>>
2022-09-02 16:59:00
京公網安備 11010802030320號