Shuffle的工作機制是什么？

map階段處理的數據如何傳遞給reduce階段，是MapReduce框架中關鍵的一個流程，這個流程就叫shuffle。
shuffle: 洗牌、發(fā)牌--（核心機制：數據分區(qū)，排序，合并）。

shuffle是Mapreduce的核心，它分布在Mapreduce的map階段和reduce階段。一般把從Map產生輸出開始到Reduce取得數據作為輸入之前的過程稱作shuffle。

1.Collect階段：將MapTask的結果輸出到默認大小為100M的環(huán)形緩沖區(qū)，保存的是key/value，Partition分區(qū)信息等。

2.Spill階段：當內存中的數據量達到一定的閥值的時候，就會將數據寫入本地磁盤，在將數據寫入磁盤之前需要對數據進行一次排序的操作，如果配置了combiner，還會將有相同分區(qū)號和key的數據進行排序。

3.Merge階段：把所有溢出的臨時文件進行一次合并操作，以確保一個MapTask終只產生一個中間數據文件。

4.Copy階段： ReduceTask啟動Fetcher線程到已經完成MapTask的節(jié)點上復制一份屬于自己的數據，這些數據默認會保存在內存的緩沖區(qū)中，當內存的緩沖區(qū)達到一定的閥值的時候，就會將數據寫到磁盤之上。

5.0Merge階段：在ReduceTask遠程復制數據的同時，會在后臺開啟兩個線程對內存到本地的數據文件進行合并操作。

6.Sort階段：在對數據進行合并的同時，會進行排序操作，由于MapTask階段已經對數據進行了局部的排序，ReduceTask只需保證Copy的數據的 終整體有效性即可。

Shuffle中的緩沖區(qū)大小會影響到mapreduce程序的執(zhí)行效率，原則上說，緩沖區(qū)越大，磁盤io的次數越少，執(zhí)行速度就越快。緩沖區(qū)的大小可以通過參數調整， 參數：io.sort.mb 默認100M