MIT 6.824 MapReduce

Posted on Edited on In
分布式，MapReduce

学习 MIT 6.824 Lab1 MapReduce，做下笔记

MapReduce 的思路

  • 把数据分成 M 份，每一份叫做 Mi
  • 启动一个 master 对象，由它来控制如何分配调控
  • master 挑出一个 worker，对 Mi 执行 map 操作，返回一个 KV 数组
  • 然后把 KV 数组分成 nReduce 份存在本地，等待 Reduce 操作。当 map 全部完成后，每个 Mi 产生 nReduce 份结果，每一个叫做 Ri。文件名：mrtmp-JobName-Mi-Ri 其中Mi Ri 分别表示数字，因此这一步会产生 M * nReduce 份文件。
  • 从每个 Mi 中选择一份 Ri。然后根据 Key 排序，把相同 Key 的 Value 合在一起，生成 Key /list(value)
  • 开始 Reduce，输入list(value)，最后会生成 R 份文件 mrtmp.JobName-res-Ri
  • 最后 Merge 成一个文件。

作业步骤

  • Part1 完成 doMap 和 doReduce。doMap 完成3，4两个步骤. doReduce 完成5，6两个步骤。
  • Part2 实现 main/wc.go 在Part1的基础上完成函数调用而已。
  • Part3 把 map 和 reduce 的操作变成异步。用到了RPC，用channel 来实现并发控制。

代码笔记

源码

  • common.go 11-32行：可变参数打印日志，这个方法与C语言常用的类似
  • common_reduce.go Line75：sort.strings 对字符串切片排序
  • commo_rpc.go Line59：rpc调用方法
  • master.go Line95-99：当mr.newCond.Broadcast()被调用，此处就被唤醒，否则一直阻塞,mr.wait()所在的逻辑分支才会被唤醒，否则继续阻塞
  • master.go Line15-16：匿名参数，表示 Master 具有sync.Mutex的接口, 因而 Master 也能调用sync.Mutex的函数. 所以当调用 master.Lock()的时候也不足为奇
  • master_rpc.go Line14,Line37：chanel 被close的时候，case <- shutdown 也就被触发了