一：输入数据接口：InputFormat

  • 默认使用的实现类是：TextInputFormat
  • TextInputFormat 的功能逻辑是：一次读一行文本，然后将该行的起始偏移量作为 key，行内容作为 value 返回。
  • CombineTextInputFormat 可以把多个小文件合并成一个切片处理，提高处理效率。

二：逻辑处理接口：Mapper

  • 用户根据业务需求实现其中三个方法：map() setup() cleanup ()

三：Partitioner 分区

  • 有默认实现 HashPartitioner，逻辑是根据 key 的哈希值和 numReduces 来返回一个 分区号；key.hashCode()&Integer.MAXVALUE % numReduces
  • 如果业务上有特别的需求，可以自定义分区。

四：Comparable 排序

  • 当我们用自定义的对象作为 key 来输出时，就必须要实现 WritableComparable 接 口，重写其中的 compareTo()方法。
  • 部分排序：对最终输出的每一个文件进行内部排序。
  • 全排序：对所有数据进行排序，通常只有一个 Reduce。
  • 二次排序：排序的条件有两个。

五：Combiner 合并

  • Combiner 合并可以提高程序执行效率，减少 IO 传输。但是使用时必须不能影响原有的 业务处理结果。

六：逻辑处理接口：Reducer

  • 用户根据业务需求实现其中三个方法：reduce() setup() cleanup ()

七：输出数据接口：OutputFormat

  • 用户根据业务需求实现其中三个方法：reduce() setup() cleanup ()
  • 用户还可以自定义 OutputFormat。