云小课｜MRS基础原理之MapReduce介绍

阅识风云是华为云信息大咖，擅长将复杂信息多元化呈现，其出品的一张图(云图说)、深入浅出的博文(云小课)或短视频(云视厅)总有一款能让您快速上手华为云。更多精彩内容请单击此处。

摘要：MapReduce是Hadoop的核心，是Google提出的一个软件架构，用于大规模数据集（大于1TB）的并行运算。概念“Map（映射）”和“Reduce（化简）”，及他们的主要思想，都是从函数式编程语言借来的，还有从矢量编程语言借来的特性。

本文分享自华为云社区《【云小课】EI第42课 MRS基础原理之Mapreduce介绍》，作者：Hello EI

MapReduce是Hadoop的核心，是Google提出的一个软件架构，用于大规模数据集（大于1TB）的并行运算。概念“Map（映射）”和“Reduce（化简）”，及他们的主要思想，都是从函数式编程语言借来的，还有从矢量编程语言借来的特性。

MapReduce是面向大数据并行处理的计算模型、框架和平台。当前的软件实现是指定一个Map（映射）函数，用来把一组键值对映射成一组新的键值对，指定并发的Reduce（化简）函数，用来保证所有映射的键值对中的每一个共享相同的键组。

MapReduce是用于并行处理大数据集的软件框架。MapReduce的根源是函数性编程中的map和reduce函数。Map函数接受一组数据并将其转换为一个键/值对列表，输入域中的每个元素对应一个键/值对。Reduce函数接受Map函数生成的列表，然后根据它们的键缩小键/值对列表。MapReduce起到了将大事务分散到不同设备处理的能力，这样原本必须用单台较强服务器才能运行的任务，在分布式环境下也能完成。

MapReduce结构

MapReduce通过实现YARN的Client和ApplicationMaster接口集成到YARN中，利用YARN申请计算所需资源。

HDFS是Hadoop分布式文件系统，具有高容错和高吞吐量的特性，可以部署在价格低廉的硬件上，存储应用程序的数据，适合有超大数据集的应用程序。

而MapReduce是一种编程模型，用于大数据集（大于1TB）的并行运算。在MapReduce程序中计算的数据可以来自多个数据源，如Local FileSystem、HDFS、数据库等。最常用的是HDFS，可以利用HDFS的高吞吐性能读取大规模的数据进行计算。同时在计算完成后，也可以将数据存储到HDFS。

MapReduce是运行在YARN之上的一个批处理的计算框架。MRv1是Hadoop 1.0中的MapReduce实现，它由编程模型（新旧编程接口）、运行时环境（由JobTracker和TaskTracker组成）和数据处理引擎（MapTask和ReduceTask）三部分组成。该框架在扩展性、容错性（JobTracker单点）和多框架支持（仅支持MapReduce一种计算框架）等方面存在不足。MRv2是Hadoop 2.0中的MapReduce实现，它在源码级重用了MRv1的编程模型和数据处理引擎实现，但运行时环境由YARN的ResourceManager和ApplicationMaster组成。其中ResourceManager是一个全新的资源管理系统，而ApplicationMaster则负责MapReduce作业的数据切分、任务划分、资源申请和任务调度与容错等工作。

如何在MRS集群中提交一个MapReduce分析作业

应用开发完成后，用户可通过MRS云服务管理控制台直接提交Mapreduce作业，也可以通过集群客户端提交。

首先参考MRS快速入门中的“创建集群”章节购买一个MRS集群，例如购买MRS 3.1.0版本集群，该集群已开启Kerberos认证。

通过界面提交MapReduce作业

1、登录MRS管理控制台。

2、选择“集群列表 > 现有集群”，单击集群名称，进入集群信息页面。

3、在“概览”页签的基本信息区域，单击“IAM用户同步”右侧的“同步”进行IAM用户同步。

4、单击“作业管理”，进入“作业管理”页签。

5、单击“添加”，进入“添加作业”页面。在“添加作业”页面配置以下信息。

作业类型：MapReduce
作业名称：test01

执行程序路径：单击“HDFS”，并选择待执行的jar文件。例如：hdfs://hacluster/tmp/hadoop-mapreduce-examples-xxx.jar（此处以hadoop example程序为例，已提前将jar包上传至HDFS）

执行程序参数：teragen 9999999 /tmp/teragen （表示随机生成9999999行的数据，并将执行结果放置在“/tmp/teragen”路径下）

6、确认作业配置信息，单击“确定”，完成作业的新增，等待执行结果变为“成功”。

7、选择“文件管理 > HDFS文件列表”，在“/tmp/teragen”路径下查看到新生成的文件。

通过客户端CLI提交作业

我们也可以通过集群的客户端，以命令行的形式来提交作业。

1、安装集群客户端，可参考MRS用户指南中的“安装客户端”章节，例如客户端安装目录为：“/opt/client”。

2、登录客户端服务器，进入客户端目录。

cd /opt/client

source bigdata_env

kinit 集群业务用户

3、执行以下命令提交任务。

yarn jar HDFS/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar teragen 9999999 /tmp/teragen

4、执行结果显示“Job xxx completed successfully”表示执行成功。

...

2022-05-26 19:16:02,274 INFO mapreduce.Job: Job job_1653461199536_0001 running in uber mode : false

2022-05-26 19:16:02,275 INFO mapreduce.Job:  map 0% reduce 0%

2022-05-26 19:16:14,453 INFO mapreduce.Job:  map 50% reduce 0%

2022-05-26 19:16:16,471 INFO mapreduce.Job:  map 100% reduce 0%

2022-05-26 19:16:16,482 INFO mapreduce.Job: Job job_1653461199536_0001 completed successfully

2022-05-26 19:16:16,601 INFO mapreduce.Job: Counters: 33

File System Counters

FILE: Number of bytes read=0

FILE: Number of bytes written=587030

FILE: Number of read operations=0

...

5、执行以下命令，查看“/tmp/teragen”路径下文件生成成功。

hdfs dfs -ls /tmp/teragen

Found 3 items

-rw-r--r--   3 developuser hadoop          0 2022-05-26 19:16 /tmp/teragen/_SUCCESS

-rw-r--r--   3 developuser hadoop     500000 2022-05-26 19:16 /tmp/teragen/part-m-00000

-rw-r--r--   3 developuser hadoop     499900 2022-05-26 19:16 /tmp/teragen/part-m-00001

6、使用业务用户登录FusionInsight Manager界面，进入Yarn服务概览页面，单击“ResourceManager(主机名,主）”，在Yarn的原生界面，也可以查看该作业的详细信息。

好了，本期云小课就介绍到这里，快去体验MapReduce(MRS)更多功能吧！猛戳这里

点击关注，第一时间了解华为云新鲜技术~