MIT-6.824 MapReduce

概述

MapReduce是由JeffreyDean提出的一种处理大数据的编程模型，用户定义map和reduce函数，map函数处理原始数据生成一系列键值对中间数据，reduce函数并合相同key的键值对。

编程模型

整个计算过程输入的是键值对，输出的也是键值对。用户只须要提供两个函数分别是Map和Reduce。
好比要统计大数据文本中的词频，咱们能够写出以下的Map和Reduce函数：

map(String key, String value):
    // key: document name
    // value: document contents
    for each word w in value:
        EmitIntermediate(w, "1");
        

reduce(String key, Iterator values):
    // key: a word
    // values: a list of counts
    int result = 0;
    for each v in values:
        result += ParseInt(v);
    Emit(AsString(result));

map函数的参数key, value分别是文本名和文本内容，map函数提取文本的每一个单词，每一个单词生成一个<w, "1">的键值对。
reduce函数对这些键值对进行并和，产生最终的统计结果。

实现

当用户程序调用MapReduce函数后，将会发生以下动做：

1. 用户输入的文件将被分红M份
2. 集群中有一个master，其它的都是worker，总共有M个map任务和R个reduce任务（M和R由用户指定）。master负责将map和reduce任务分配给空闲的worker。
3. 负责map任务的worker执行用户定义的Map函数，将中间键值对保存到本地，并分红R份，并将位置发送给master。
4. 负责reduce任务的worker从master获得中间数据的位置，读取数据到本地，调用reduce函数。
5. 全部map和reduce调用结束后MapReduce调用结束，返回用户程序。最终的结果应该是R个redcue生成的文件。一般这些文件做为下一个MapReduece的输入继续处理。

容错

worker failure：

1. master周期性的ping worker，若是worker没有相应则标记该worker为failed
2. 若是一个map任务如今worker A执行，可是失败了，后来在worker B执行。那么后面的Reduce worker从worker B读取中间数据。

master failure：
master只有一个，失败概率很小。能够终止MapReduce。

参考资料

1. https://pdos.csail.mit.edu/6.824/papers/mapreduce.pdf
2. https://www.youtube.com/watch?v=WLad7CCexo8