GET、PUT是ONLINE的操作，MAPREDUCE是OFFLINE的操作
HDFS寫流程
客戶端收到要保存文件的請(qǐng)求后，將文件以64M為單位拆成若干份BLOCK，形成一個(gè)列表，即由幾個(gè)BLOCK組成，將這些信息告訴NAME NODE，我要保存這個(gè)，NAME NODE算出一個(gè)列表，哪段BLOCK應(yīng)該寫到哪個(gè)DATA NODE，客戶端將第一個(gè)BLOCK傳到第一個(gè)節(jié)點(diǎn)DATA NODE A，通知其保存，同時(shí)讓它通知DATA NODE D和DATA NODE B也保存一份，DATA NODE D收到信息后進(jìn)行了保存，同時(shí)通知DATA NODE B保存一份，DATA NODE B保存完成后則通知客戶端保存完成，客戶端再去向NAME NODE中取下一個(gè)BLOCK要保存的位置，重復(fù)以上的動(dòng)作，直到所有的BLOCK都保存完成。
HDFS讀流程
客戶端向NAME NODE請(qǐng)求讀一個(gè)文件，NAME NODE返回這個(gè)文件所構(gòu)成的所有BLOCK的DATA NODE IP及BLOCK ID，客戶端并行的向各DATA NODE發(fā)出請(qǐng)求，要取某個(gè)BLOCK ID的BLOCK，DATA NODE發(fā)回所要的BLOCK給客戶端，客戶端收集到所有的BLOCK后，整合成一個(gè)完整的文件后，此流程結(jié)束。
MAPREDUCE流程
輸入數(shù)據(jù) -- 非多線程了，而是多進(jìn)程的挑選數(shù)據(jù)，即將輸入數(shù)據(jù)分成多塊，每個(gè)進(jìn)程處理一塊 -- 分組 -- 多進(jìn)程的匯集數(shù)據(jù) -- 輸出
HBASE表結(jié)構(gòu)
HBASE中將一個(gè)大表數(shù)據(jù)分成不同的小表，每個(gè)小表叫REGION，存放REGION的服務(wù)器叫REGIONSERVER，一個(gè)REGIONSERVER可以存放多個(gè)REGION。通常REGIONSERVER和DATA NODE是在同一服務(wù)器，以減少NETWORK IO。
-ROOT-表存放于MASTER SERVER上，記錄了一共有多少個(gè)REGIONSERVER，每個(gè)REGION SERVER上都有一個(gè).META.表，上面記錄了本REGION SERVER放有哪幾個(gè)表的哪幾個(gè)REGION。如果要知道某個(gè)表共有幾個(gè)REGION，就得去所有的REGION SERVER上查.META.表，進(jìn)行匯總才能得知。
客戶端如果要查ROW009的信息，先去咨詢ZOOPKEEPER，-ROOT-表在哪里，然后問-ROOT-表，哪個(gè).META.知道這個(gè)信息，然后去問.META.表，哪個(gè)REGION有這個(gè)信息，然后去那個(gè)REGION問ROW009的信息，然后那個(gè)REGION返回此信息。
HBASE MAPREDUCE
一個(gè)REGION一個(gè)MAP任務(wù)，而任務(wù)里的map方法執(zhí)行多少次，則由查詢出來的記錄有多少條，則執(zhí)行多少次。
REDUCE任務(wù)負(fù)責(zé)向REGION寫數(shù)據(jù)，但寫到哪個(gè)REGION則由那個(gè)KEY歸屬哪個(gè)REGION管，則寫到哪個(gè)REGION，有可能REDUCE任務(wù)會(huì)和所有的REGION SERVER交互。
在HBASE的MAPREDUCE JOB中使用JOIN
REDUCE-SIDE JOIN
利用現(xiàn)有的SHUTTLE分組機(jī)制，在REDUCE階段做JOIN，但由于MAP階段數(shù)據(jù)大，可能會(huì)有性能問題。
MAP-SIDE JOIN
將數(shù)據(jù)較少的一表讀到一公共文件中，然后在MPA方法中循環(huán)另一表的數(shù)據(jù)，再將要的數(shù)據(jù)從公共文件中讀取。這樣可以減少SHUTTLE和SORT的時(shí)間，同時(shí)也不需要REDUCE任務(wù)。