ChainMapper/ChainReducer 的实现原理

ChainMapper/ChainReducer 主要为了解决线性链式Mapper 而提出的。也就是说，在Map 或者Reduce 阶段存在多个Mapper，这些Mapper 像Linux 管道一样，前一个Mapper的输出结果直接重定向到下一个Mapper 的输入，形成一个流水线，形式类似于[MAP+REDUCE MAP*]。图1展示了一个典型的ChainMapper/ChainReducer 的应用场景：在Map 阶段，数据依次经过Mapper1 和Mapper2 处理；在Reduce 阶段，数据经过shuffle 和sort 后；交由对应的Reducer 处理，但Reducer 处理之后并没有直接写到HDFS 上，而是交给另外一个Mapper 处理，它产生的结果写到最终的HDFS 输出目录中。

图1 ChainMapper/ChainReducer 应用实例

需要注意的是， 对于任意一个MapReduce 作业，Map 和Reduce 阶段可以有无限个Mapper，但Reducer 只能有一个。也就是说，图2 所示的计算过程不能使用 ChainMapper/ChainReducer 完成，而需要分解成两个MapReduce 作业。

图2 一个ChainMapper/ChainReducer 不适用的场景

ChainMapper/ChainReducer 的实现原理