简介

这属于整个MR中最核心的一块，后续小节会展开描述。

整个MR处理流程，是分为Map阶段和Reduce阶段。

一般，我们称Map阶段的进程是MapTask，称Reduce阶段是ReduceTask。

其完整的工作流程如图：

Map阶段具体的工作任务是啥呢？

1） map阶段决定，根据数据源，可以选择根据什么方式来读取数据；

默认情况下，map阶段读数据，是按行读，读取到的KV里，K是偏移量（可以理解成行数），V是这一行的内容。那map阶段是不是只能这么行读呢？

不是。

这里就要介绍一个组件，叫做InputFormat，它就是用来控制数据的读取形式。

Hadoop中的InputFormat有好几种实现，如FileInputFormat、TextInputFormat和CombineTextInputFormat等。

2） 数据在被读进来之后，就会交给Mapper来进行自定义业务逻辑的处理；

3）接着进行shuffle，这是一个非常复杂的过程，可以在这里进行排序、分区、压缩、合并等等， 堪称MapReduce中最核心的环节。

最后进入reduce阶段，也有一个组件，叫做OutputFormat，用来控制数据的输出形式。同样的，它也有好几种实现，默认的OutputFormat是把数据写进文件里，那我想写进数据库里，可不可以呢？

当然可以，自定义OutputFormat就可以。

接下来的几节就会围绕这个流程做展开讲述：

• InputFormat
• Shuffle机制
• OutputFormat
• Join应用

参考文献

1. 【尚硅谷大数据Hadoop教程，hadoop3.x搭建到集群调优，百万播放】