Hadoop中MapTask 源码解析流程

Redamancy_06
1,159 阅读7分钟

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第6天

13.5.4.1 MapTask 源码解析流程

在这里插入图片描述运行前在这里context.write(outK, outV);打上断点。

在这里插入图片描述在这里插入图片描述这里强行进入会进入环形缓冲区，我们来看看是不是，点击强行进入在这里插入图片描述这里是write方法，继续强行进入

在这里插入图片描述

这里是write方法，继续强行进入

在这里插入图片描述 这个是collect收集器，第一次强行进入则会进到我们自己编写的partitioner分区 在这里插入图片描述这个是自己写的partitioner分区，然后快速通过

在这里插入图片描述

再次强行进入

在这里插入图片描述在这里插入图片描述collect这里就是环形缓冲区

在这里插入图片描述

这些都是初始化过程，一直点下一步就行，点到下图的位置

在这里插入图片描述在这里插入图片描述这里是存储元数据的（可以说是索引吧，不太确定）

在这里插入图片描述this.keySerializer.serialize(key);为什么要序列化，如果MapTask在Hadoop102，ReduceTask在Hadoop103，则key需要跨节点的通讯，则必须支持序列化

在这里插入图片描述

这部分一直下一步，看keystart=kvbidx，valstart=kvbend值的变化情况，直到下图停止下一步

在这里插入图片描述这里是存储meta的值

在这里插入图片描述这里的kvindex的值可以通过公式计算 在这里插入图片描述debug到这里，就要写出去一条了，context是一条一条的写

在这里插入图片描述往下走，点击下一步 在这里插入图片描述 往下走，点击下一步

在这里插入图片描述往下走，点击下一步

在这里插入图片描述写完一行后要写下一行，往下走，点击下一步

在这里插入图片描述

又回到map里面了，在这里强行进入

在这里插入图片描述 到这里出去

在这里插入图片描述

在这里强行进入

在这里插入图片描述 到这里在出去

在这里插入图片描述 到这里在点下一步，而不是强行进入

又回到了这里context.write(outK, outV);要一行一行读入，因为我的输入文件特别小，所以达不到环形缓冲区的最大溢写条件，则会将输入文件里的数据全读完再溢写

1	13736230513	192.196.100.1	www.baidu.com	2481	24681	200
2	13846544121	192.196.100.2			264	0	200
3 	13956435636	192.196.100.3			132	1512	200
4 	13966251146	192.168.100.1			240	0	404
5 	18271575951	192.168.100.2	www.baidu.com	1527	2106	200
6 	84188413	192.168.100.3	www.baidu.com	4116	1432	200
7 	13590439668	192.168.100.4			1116	954	200
8 	15910133277	192.168.100.5	www.hao123.com	3156	2936	200
9 	13729199489	192.168.100.6			240	0	200
10 	13630577991	192.168.100.7	www.shouhu.com	6960	690	200
11 	15043685818	192.168.100.8	www.baidu.com	3659	3538	200
12 	15959002129	192.168.100.9	www.baidu.com	1938	180	500
13 	13560439638	192.168.100.10			918	4938	200
14 	13470253144	192.168.100.11			180	180	200
15 	13682846555	192.168.100.12	www.qq.com	1938	2910	200
16 	13992314666	192.168.100.13	www.gaga.com	3008	3720	200
17 	13509468723	192.168.100.14	www.qinghua.com	7335	110349	404
18 	18390173782	192.168.100.15	www.sogou.com	9531	2412	200
19 	13975057813	192.168.100.16	www.baidu.com	11058	48243	200
20 	13768778790	192.168.100.17			120	120	200
21 	13568436656	192.168.100.18	www.alibaba.com	2481	24681	200
22 	13568436656	192.168.100.19			1116	954	200

在这里插入图片描述 这个是我的数据

在这里插入图片描述全速运行，让这里的outK出现最后一个数据13568436656，因为有两个，所以要看清

在这里插入图片描述最后一条数据，outK的颜色会变灰，大家可以根据这个判断一下

在这里插入图片描述

在这里强行进入

在这里插入图片描述

在这里强行进入

在这里插入图片描述在这里强行进入

在这里插入图片描述在这里强行进入

在这里插入图片描述然后出来

在这里插入图片描述在这里强行进入

在这里插入图片描述 又进来这个环形缓冲区了，这是最后一遍了，和上面的过程一样，就直接跳过了

在这里插入图片描述一直下一步，他不会进入map方法，而是到cleanup里面了

在这里插入图片描述 然后下一步，多次下一步，到达下图位置

在这里插入图片描述 在这里打上断点 在这里插入图片描述强行进入该方法，查看在close前都做了些什么

在这里插入图片描述在这两处打上断点，this.collector.flush();这个是将数据刷到磁盘上，我们进去看看他是如何刷到磁盘上的，点击强行进入

在这里插入图片描述进来之后，他是要进行快排的，我们往下找看看有没有快排，一直点下一步，直到下图位置

在这里插入图片描述在这里打上断点

在这里插入图片描述 这里是快排和溢写

在这里插入图片描述

强行进入

在这里插入图片描述this.sorter.sort(this, mstart, mend, this.reporter);在这里打上断点，这里是快排的逻辑，一直下一步，到下图位置

在这里插入图片描述到这一步强行进入

在这里插入图片描述第一次强行进入会进入到getMaxDepth(r - p)这里面

在这里插入图片描述 然后退出来

在这里插入图片描述

再次强行进入

在这里插入图片描述下面这些就是快排的逻辑

在这里插入图片描述简单看一下里面的逻辑，然后退出来

在这里插入图片描述 然后再继续往下走

在这里插入图片描述 到这里相当于排完序了，然后继续下一步，该溢写了，溢写的话我这个有5个分区，只会溢写出一个文件，他是有索引来标记是哪个分区的，然后我们看一个文件D:\tmp\hadoop-73631\mapred\local\localRunner\73631\jobcache\job_local837257542_0001\attempt_local837257542_0001_m_000000_0\output，这个你看你自己的就行在下图的位置从此处打开有一个文件

在这里插入图片描述在这里插入图片描述

打开里面是一个空的文件，然后继续下一步

在这里插入图片描述

从这里可以看出他是根据索引快排，没有动原始的数据，然后一直下一步，直到下图的位置

在这里插入图片描述 到达这个位置，0号分区已经写完了，再点击下一步则开始写1号分区

在这里插入图片描述 到这里，我们去看看那个文件里面有没有内容

在这里插入图片描述 里面已经有内容了

在这里插入图片描述

在这里打上断点，开始全速运行，执行到4就停止执行，看下图

在这里插入图片描述 一直进行下一步到下图的位置

在这里插入图片描述这里将他解锁

在这里插入图片描述 提前在这里打断点 在这里插入图片描述 溢写完数据了，这里要进行归并排序，强行进入看看，然后下一步到如下位置 在这里插入图片描述 这里开始遍历溢写文件

在这里插入图片描述由于我的数据少，他生成了一个文件，他也会象征性的去循环一下，继续下一步到如下位置

在这里插入图片描述

如果只有一个溢写文件，则就是最后的输出文件，然后一直下一步，到如下位置

在这里插入图片描述 则排序结束

在这里插入图片描述

在这里插入图片描述

则这里会多出一个文件，这个index文件则是告诉reducemask数据存放在file.out的位置，然后继续下一步，到如下的位置在这里插入图片描述 到这里MapTask阶段就结束了，到这里先别动，看下面如何打断点，在继续下一步

=================== MapTask =================== context.write(k, NullWritable.get()); //自定义的map方法的写出，进入 output.write(key, value);
//MapTask727行，收集方法，进入两次 collector.collect(key, value,partitioner.getPartition(key, value, partitions)); HashPartitioner(); //默认分区器 collect() //MapTask1082行 map端所有的kv全部写出后会走下面的close方法 close() //MapTask732行 collector.flush() // 溢出刷写方法，MapTask735行，提前打个断点，进入 sortAndSpill() //溢写排序，MapTask1505行，进入 sorter.sort() QuickSort //溢写排序方法，MapTask1625行，进入 mergeParts(); //合并文件，MapTask1527行，进入 在这里插入图片描述

collector.close(); //MapTask739行,收集器关闭,即将进入ReduceTask

avatar
文章
阅读
粉丝