Hadoop源码分析（mapreduce.lib.partition/reduce/output）

Map的结果，会通过partition分发到Reducer上。Reducer做完Reduce操作后，通过OutputFormat，进行输出。以下我们就来分析參与这个过程的类。

 



Mapper的结果，可能送到可能的Combiner做合并，Combiner在系统中并没有自己的基类，而是用Reducer作为Combiner的基类。他们对外的功能是一样的。仅仅是使用的位置和使用时的上下文不太一样而已。

Mapper终于处理的结果对<key, value>，是须要送到Reducer去合并的，合并的时候。有同样key的键/值对会送到同一个Reducer那，哪个key到哪个Reducer的分配过程。是由Partitioner规定的，它仅仅有一个方法，输入是Map的结果对<key, value>和Reducer的数目，输出则是分配的Reducer（整数编号）。

系统缺省的Partitioner是HashPartitioner。它以key的Hash值对Reducer的数目取模，得到相应的Reducer。

Reducer是全部用户定制Reducer类的基类。和Mapper类似，它也有setup，reduce，cleanup和run方法，当中setup和cleanup含义和Mapper同样，reduce是真正合并Mapper结果的地方，它的输入是key和这个key相应的全部value的一个迭代器。同一时候还包含Reducer的上下文。

系统中定义了两个很easy的Reducer。IntSumReducer和LongSumReducer，分别用于对整形/长整型的value求和。

Reduce的结果，通过Reducer.Context的方法collect输出到文件里，和输入类似，Hadoop引入了OutputFormat。OutputFormat依赖两个辅助接口：RecordWriter和OutputCommitter，来处理输出。

RecordWriter提供了write方法。用于输出<key, value>和close方法。用于关闭相应的输出。OutputCommitter提供了一系列方法。用户通过实现这些方法，能够定制OutputFormat生存期某些阶段须要的特殊操作。我们在TaskInputOutputContext中讨论过这些方法（明显。TaskInputOutputContext是OutputFormat和Reducer间的桥梁）。

OutputFormat和RecordWriter分别相应着InputFormat和RecordReader。系统提供了空输出NullOutputFormat（什么结果都不输出，NullOutputFormat.RecordWriter仅仅是演示样例，系统中未定义），LazyOutputFormat（没在类图中出现，不分析），FilterOutputFormat（不分析）和基于文件FileOutputFormat的SequenceFileOutputFormat和TextOutputFormat输出。

基于文件的输出FileOutputFormat利用了一些配置项配合工作，包含mapred.output.compress：是否压缩；mapred.output.compression.codec：压缩方法；mapred.output.dir：输出路径；mapred.work.output.dir：输出工作路径。

FileOutputFormat还依赖于FileOutputCommitter。通过FileOutputCommitter提供一些和Job，Task相关的暂时文件管理功能。如FileOutputCommitter的setupJob。会在输出路径下创建一个名为_temporary的暂时文件夹，cleanupJob则会删除这个文件夹。

SequenceFileOutputFormat输出和TextOutputFormat输出分别相应输入的SequenceFileInputFormat和TextInputFormat，我们就不再具体分析啦。

很多其它精彩内容请关注：http://bbs.superwu.cn

关注超人学院微信二维码：

关注超人学院java免费学习交流群：