搞架构的人,Google的架构论文是必看的,但似乎人人都不愿意去啃英文论文。故把自己的读书笔记,加入自己的思索,分享给人人。

《MapReduce到底解决什么问题?》做了简介,这是第二篇,Google MapReduce优化启示(中)。

什么是MapReduce?

MapReduce这个编程模子解决什么问题?

Google MapReduce是Google产出的一个编程模子,同时Google也给出架构实现。它能够解决“能用分治法解决的问题”。

同时,前文以“统计大量文档中单词泛起的个数”为例,例举了若何“先分再合”的撰写map与reduce来解决实际问题。
画外音,强烈建议回首一下前情提要:
《MapReduce到底解决什么问题?》。

MapReduce的焦点思绪是:

  • 并行
  • 先分再合

下图简述了MR盘算“词频统计”的历程。

从左到右四个部门,分别是:

  • 输入文件
  • 分:M个并行的map盘算实例
  • 合:R个并行的reduce盘算实例
  • 输出效果

先看最后一步,reduce输出最终效果。


可以看到,R个reduce实例并发举行处置,直接输出最后的计数效果。
实例1输出:(a, 256)(able, 128)(emacs, 1)
实例2输出:(f*ck, 32768) (coding, 65535)
实例3输出:(vim,65535)(x, 16)(zero, 258)
画外音:这就是总效果,可以看到vim比emacs受欢迎许多。

需要明白的是,由于这是营业盘算的最终效果,一个单词的计数不会泛起在两个实例里。即:若是(a, 256)泛起在了实例1的输出里,就一定不会泛起在其他实例的输出里。
画外音:否则的话,还需要合并,就不是最终效果了。

再看中心步骤,map到reduce的历程。


可以看到,M个map实例的输出,会作为R个reduce实例的输入。

潜在问题一:每个map都有可能输出(a, 1),而最终效果(a, 256)必须由一个reduce输出,那若何保证每个map输出的同一个key,落到同一个reduce上去呢?
这就是“分区函数”的作用。

什么是分区函数?

分区函数,是使用MapReduce的用户需所实现的,决议map输出的每一个key应当落到哪个reduce上的函数。
画外音:若是用户没有实现,会使用默认分区函数。

以词频统计的应用为例,分区函数可能是:
(1) 以[a-g]开头的key落到第一个reduce实例;
(2) 以[h-n]开头的key落到第二个reduce实例;
(3) 以[o-z]开头的key落到第三个reduce实例;
画外音:有点像数据库水平切分的“局限法”。

分区函数实现要点是什么?

为了保证每一个reduce实例都能够差不多时间竣事事情义务,分区函数的实现要点是:只管负载平衡。
画外音:即数据平均分摊。

,

以太坊开奖

www.326681.com采用以太坊区块链高度哈希值作为统计数据,联博以太坊统计数据开源、公平、无任何作弊可能性。联博统计免费提供API接口,支持多语言接入。

,

上述词频统计的分区函数,就不是负载平衡的,有些reduce实例处置的单词多,有些reduce处置的单词少,这样就可能泛起,所有reduce实例都处置竣事,最后守候一个长尾reduce的情形。

对于词频统计,负载更为平衡的分区函数为:
hash(key) % 3
画外音:有点像数据库水平切分的“哈希法”。

潜在问题二:每个map都有可能输出多个(a, 1),这样无形中增大了网络带宽资源,以及reduce的盘算资源,有没有设施举行优化呢?
这就是“合并函数”的作用。

什么是合并函数?

有时,map发生的中心key的重复数据比重很大,可以提供给用户一个自定义函数,在一个map实例完成事情后,内陆就做一次合并,这样网络传输与reduce盘算资源都能节约许多。

合并函数在每个map义务竣事前都市执行一次,一般来说,合并函数与reduce函数是一样的,区别是:

  • 合并函数执行map实例内陆数据合并
  • reduce函数执行最终的合并,会网络多个map实例的数据

对于词频统计应用,合并函数可以将:
一个map实例的多个(a, 1)合并成一个(a, $count)输出。

最后看第一个个步骤,输入文件到map的历程。


潜在问题三:若何确定文件到map的输入呢?
随意即可,只要负载平衡,平均切分输入文件巨细就行,不用管分到哪个map实例。
画外音:无论分到谁人map都能正确处置。

结论

Google MapReduce实行了一系列的优化。

  • 分区函数:保证差别map输出的相同key,落到同一个reduce里
  • 合并函数:在map竣事时,对相同key的多个输出做内陆合并,节约总体资源
  • 输入文件到map若何切分:随意,切分平均就行

希望人人对MapReduce的优化思绪有一个领会,思绪比结论更主要。

下章,讲Google MapReduce的工程架构实现。

架构师之路-分享可落地的技术文章

相关推荐:
《GFS架构启示》
《Google MapReduce到底解决什么问题?》