Lab 1 实验 MapReduce

👂 若月亮没来 (若是月亮还没来)(若是月亮还没来) - 王宇宙Leto/乔浚丞 - 单曲 - 网易云音乐

目录

🌼参考代码

🐙解析

🐟mrsequential.go

🐟mrapps/wc.go

📕实验--准备

🎂概念

🐋思路梳理

🦖注意要点

🐆初始代码--研读

main/mrcoordinator.go

main/mrworker.go

mr/coordinator.go

mr/worker.go

mr/rpc.go

🦈实验--开始

🐋伪代码

mr/coordinator.go

mr/worker.go

mr/rpc.go

🐎结果


🌼参考代码

🐙解析

实验原文要求仔细研读两份代码,并在作业过程中大胆借鉴

wc.go

  • MapReduce 的插件,实现了 Map 和 Reduce 两个函数
  • Map 函数接收输入文本的内容,分割成单词,并为每个单词生成一个键值对(键是单词,值是1)
  • Reduce 函数接收 Map 生成的所有键值对,统计每个单词出现次数,并返回这个次数

mrsequential.go

  • MapReduce 的主体,协调 Map 和 Reduce 任务的执行
  • 检查命令行参数

    os.Args[0] // 可执行文件
    os.Args[1] // "wc.so"(插件)
    os.Args[2] // "pg1.txt"(输入文件)
    os.Args[3] // "pg2.txt"
  • 加载 wc.go,执行其中的 Map 和 Reduce 函数
  • 读取输入文件内容,对每个文件调用 Map 函数
  • Map 函数的输出按键 排序++(输出单词)++
  • 排序的键值对进行 Reduce(归约)
  • Reduce 函数的输出写入输出文件++(统计次数)++

🐟mrsequential.go

代码是单线程的,输入 --> Map --> sort --> Reduce --> 输出

Go 复制代码
package main

import (
    "fmt"
    "6.824/mr"      // 引入MapReduce相关的数据结构和接口
    "plugin"       // 用于动态加载插件
    "os"           // 用于操作系统相关的功能,如命令行参数
    "log"          // 用于日志记录
    "io/ioutil"    // 用于I/O操作,如读取文件
    "sort"         // 用于排序
)

// ByKey 是一个用于按键排序的切片类型
type ByKey []mr.KeyValue

// Len 实现了 sort.Interface 接口的 Len 方法
func (a ByKey) Len() int { return len(a) }

// Swap 实现了 sort.Interface 接口的 Swap 方法
func (a ByKey) Swap(i, j int) { a[i], a[j] = a[j], a[i] }

// Less 实现了 sort.Interface 接口的 Less 方法
func (a ByKey) Less(i, j int) bool { return a[i].Key < a[j].Key }

func main() {
    // 检查命令行参数数量
    if len(os.Args) < 3 {
        fmt.Fprintf(os.Stderr, "Usage: mrsequential xxx.so inputfiles...\n")
        os.Exit(1)
    }

    // 加载插件中的 Map 和 Reduce 函数
    mapf, reducef := loadPlugin(os.Args[1])

    // 用于存储Map阶段的中间输出
    intermediate := []mr.KeyValue{}

    // 遍历所有输入文件
    for _, filename := range os.Args[2:] {
        // 打开文件
        file, err := os.Open(filename)
        if err != nil {
            log.Fatalf("cannot open %v", filename)
        }
        // 读取文件全部内容
        content, err := ioutil.ReadAll(file)
        if err != nil {
            log.Fatalf("cannot read %v", filename)
        }
        file.Close()
        // 调用 Map 函数处理文件内容
        kv := mapf(filename, string(content))
        // 将Map结果添加到中间输出
        intermediate = append(intermediate, kv...)
    }

    // 对中间输出按键排序
    sort.Sort(ByKey(intermediate))

    // 创建输出文件
    oname := "mr-out-0"
    ofile, _ := os.Create(oname)

    // 调用 Reduce 函数并写入输出文件
    i := 0
    for i < len(intermediate) {
        j := i + 1
        for j < len(intermediate) && intermediate[j].Key == intermediate[i].Key {
            j++
        }
        // 收集相同键的所有值
        values := []string{}
        for k := i; k < j; k++ {
            values = append(values, intermediate[k].Value)
        }
        // 调用 Reduce 函数
        output := reducef(intermediate[i].Key, values)
        // 按格式写入输出文件
        fmt.Fprintf(ofile, "%v %v\n", intermediate[i].Key, output)
        i = j
    }

    // 关闭输出文件
    ofile.Close()
}

// loadPlugin 从插件文件中加载 Map 和 Reduce 函数
func loadPlugin(filename string) (func(string, string) []mr.KeyValue, func(string, []string) string) {
    // 打开插件
    p, err := plugin.Open(filename)
    if err != nil {
        log.Fatalf("cannot load plugin %v", filename)
    }
    // 查找 Map 函数
    xmapf, err := p.Lookup("Map")
    if err != nil {
        log.Fatalf("cannot find Map in %v", filename)
    }
    mapf := xmapf.(func(string, string) []mr.KeyValue)
    // 查找 Reduce 函数
    xreducef, err := p.Lookup("Reduce")
    if err != nil {
        log.Fatalf("cannot find Reduce in %v", filename)
    }
    reducef := xreducef.(func(string, []string) string)
    // 返回 Map 和 Reduce 函数
    return mapf, reducef
}

🐟mrapps/wc.go

Map 函数返回键值对切片,Reduce 函数将单词出现次数转化为字符串后返回

Go 复制代码
// 定义包名为 main,这是一个插件,可以被 MapReduce 框架动态加载。
package main

// 导入 MapReduce 框架的包,用于实现 Map 和 Reduce 函数。
import "6.824/mr"
// 导入 unicode 包,用于判断字符是否为字母。
import "unicode"
// 导入 strings 包,用于字符串操作。
import "strings"
// 导入 strconv 包,用于字符串和基本数据类型之间的转换。
import "strconv"

// Map 函数是 MapReduce 框架中的第一个阶段,它将对输入文件的每一行调用一次。
// 参数 filename 是输入文件的名称,contents 是文件的全部内容。
// 这个函数返回一系列键值对,其中键是单词,值是 "1"。
func Map(filename string, contents string) []mr.KeyValue {
    // FieldsFunc 函数将根据 ff 函数来分割字符串。
    // ff 函数是一个过滤函数,它返回 true 如果字符不是字母。
    ff := func(r rune) bool { return !unicode.IsLetter(r) }

    // 使用 FieldsFunc 函数根据 ff 函数分割 contents 字符串,得到单词数组。
    words := strings.FieldsFunc(contents, ff)

    // 初始化一个空的键值对切片,用于存储 Map 函数的输出。
    kv := []mr.KeyValue{}
    for _, w := range words {
        // 对于每个单词 w,创建一个键值对,键是单词本身,值是 "1"。
        kv = append(kv, mr.KeyValue{w, "1"})
    }
    // 返回包含所有单词和计数的键值对切片。
    return kv
}

// Reduce 函数是 MapReduce 框架中的第二个阶段,它对每个唯一的键调用一次。
// 参数 key 是键,values 是所有映射任务为该键生成的值的列表。
// 这个函数返回一个字符串,表示键出现的次数。
func Reduce(key string, values []string) string {
    // 使用 strconv.Itoa 函数将 values 切片的长度(即 key 出现的次数)转换为字符串。
    return strconv.Itoa(len(values))
}

📕实验--准备

🎂概念

所谓"单机",整个项目部署在一台机器上

所谓"集群",集群中的每一个节点就是一个单机,每个单机运行同一个的项目,通过设置"调度者",用户请求先发送到"调度者",再由"调度者"根据所有节点的负载情况,分配任务,即负载均衡

(++从单机到集群,代码无需修改,只需多部署几台服务器++)
所谓 "分布式",类似流水线(只是将串行改成了并行),每条线负责不同的功能,最终将一个个小功能,整合成一个项目

(也就是将原本部署在单机上的系统,拆分成一个个子系统,每个子系统都是独立的)

这些子系统存在++依赖++ 关系,在++网络中++ 通过 ++rpc(remote procedure call)++ 通信

🐋思路梳理

wc.go 是一个实现了 Map 和 Reduce 函数的插件

而 mrsequential.go 是 MapReduce 的顺序实现

(可以理解为"单机"实现,一台机器,单个进程,顺序执行)
我们要做的就是,将 mrsequential.go ++拆分成 5 个文件++ ,实现 MapReduce(++词频统计++) 的分布式部署 / 并行执行

main(程序入口)

  • main/mrcoordinator.go ++协调者初始化++
  • main/mrworker.go 工作者初始化

两个 main 文件不用修改,我们只需完成以下 3 个 mr/.... 文件即可

mr(具体实现)

  • mr/coordinator.go ++实现协调者++(监视 worker,分配任务,处理失败,重新分配)
  • mr/worker.go 实现工作者(请求任务,执行 Map,执行 Reduce,写入中间结果,写入最终结果)
  • mr/rpc.go 协调者 与 工作者 间的++远程调用++(定义了通信接口和数据结构)

🦖注意要点

  • 修改 mr/ 下任何文件后,需要重新构建插件 wc.go,确保插件不依赖旧版本
bash 复制代码
go build -race -buildmode=plugin ../mrapps/wc.go
  • 修改 mr/worker.go 中的 Worker() 函数,通过 RPC 请求 coordinator 分配任务
  • 中间文件命名 mr-X-Y(X 为 Map 任务编号,Y 为 Reduce 任务编号)
  • 使用 Go 的 encoding/json 包写入和读取 JSON 文件
Go 复制代码
enc := json.NewEncoder(file) // json.Encoder实例,编码为 json 格式
for _, kv := ... {
    err := enc.Encode(&kv)
Go 复制代码
dec := json.NewDecoder(file) // json.Decoder 实例,解码为 json 格式
for {
    var kv KeyValue
    if err := dec.Decode(&kv); err != nil {
        break
    }
    kva = append(kva, kv)
}
  • 使用 mrapps/crash.go 插件测试崩溃恢复
Go 复制代码
go build -race -buildmode=plugin crash.go // 编译插件文件
go run -race mrcoordinator.go pg-*.txt // 根据输入文件,启动 MapReduce 作业
go run -race mrworker.go crash.so // 运行 worker 进程,使用插件故意崩溃
  • 为防止崩溃时部分写入,用 ioutil.TempFile 创建临时文件,os.Rename 原子地重命名

🐆初始代码--研读

++初始代码可以先抄一遍,理解一下,捋清楚思路后,再开始做++

main/mrcoordinator.go

++创建协调者++ ,通过命令行参数,传递输入文件给工作者,并在作业完成后退出程序

Go 复制代码
// 程序入口点
package main

// 引入 MapReduce 包,包含协调者和工作者的实现
import "6.824/mr"
// time 包,暂停时间
import "time"
// 引入 os 包,读取命令行参数。
import "os"
// 格式化输入输出
import "fmt"

func main() {
    // 访问命令行参数,至少读取一个文件,第一个参数是程序名本身
    if len(os.Args) < 2 {
        // 如果参数数量小于2,打印到标准错误
        fmt.Fprintf(os.Stderr, "Usage: mrcoordinator inputfiles...\n")
        os.Exit(1)
    }

    // 创建协调者实例,除了程序名,剩下的参数作为输入文件传递
    m := mr.MakeCoordinator(os.Args[1:], 10) // 10 个工作者
    // 循环直到 MapReduce 作业完成
    for m.Done() == false { // m.Done() 检查 mr 作业是否完成
        // time.Sleep 暂停一秒
        time.Sleep(time.Second)
    }

    // 作业完成后,再等待一秒钟,可能是为了确保所有输出都已经写入
    time.Sleep(time.Second)
}

main/mrworker.go

从命令行参数中,获取插件文件,并将插件文件中的 Map 和 Reduce 函数,转化为具体函数类型(便于后续调用)

因为++接口类型本身,不能直接被调用++,需要转化为具体类型

Go 复制代码
package main

import (
    "6.824/mr"
    "plugin"
    "os"
    "fmt"
    "log"
)

// main 是程序的入口点,当程序启动时最先执行的函数
func main() {
    // 参数1:程序名  参数2:插件文件路径
    if len(os.Args) != 2 {
        // 写入标准错误流
        fmt.Fprintf(os.Stderr, "Usage: mrworker xxx.so\n")
        // 终止程序,并返回状态码 1 表示错误
        os.Exit(1)
    }

    // 调用 loadPlugin 函数加载 Map 和 Reduce 函数
    // Map, Reduce 函数,都来自于插件文件
    // mapf 是 Map 函数,reducef 是 Reduce 函数
    mapf, reducef := loadPlugin(os.Args[1])

    // 调用 mr.Worker 启动 MapReduce 工作者进程,传入加载的 Map 和 Reduce 函数
    mr.Worker(mapf, reducef)
}

// loadPlugin 函数用于从插件文件中加载 Map 和 Reduce 函数
// filename 插件文件的路径
func loadPlugin(filename string) (func(string, string) []mr.KeyValue, func(string, []string) string) {
    // 使用 plugin.Open 函数打开插件文件,返回插件对象实例 p 和可能发生的错误 err
    // p 包含 Map 和 Reduce 函数
    p, err := plugin.Open(filename)

    if err != nil {
        log.Fatalf("cannot load plugin: %v", filename)
    }

    // p.Lookup 方法查找插件中名为 "Map" 的导出符号,其实就是 Map 函数
    // xmapf 是一个 plugin.Symbol 类型的变量,用于存储从插件中查找到的 Map 函数符号
    // plugin.Symbol 是一个接口类型,代表插件中的任意导出符号
    xmapf, err := p.Lookup("Map")
    if err != nil {
        log.Fatalf("cannot find Map function in plugin: %v", filename)
    }

    // 类型断言用于确定 xmapf 中存储的具体函数类型
    // 并将其从 plugin.Symbol 接口类型断言回其静态的函数类型
    // xmapf.() 就是类型断言, 将 plugin.Symbol 转化为具体函数类型
    mapf := xmapf.(func(string, string) []mr.KeyValue)

    // 同上,查找并断言 Reduce 函数
    xreducef, err := p.Lookup("Reduce")
    if err != nil {
        log.Fatalf("cannot find Reduce function in plugin: %v", filename)
    }
    reducef := xreducef.(func(string, []string) string)

    // 返回加载并断言成功的 Map 和 Reduce 函数
    return mapf, reducef
}

mr/coordinator.go

struct Coordinator:分配 MapReduce 任务到对应 worker

Example():rpc 处理函数的例子

server():启动 rpc 服务,监听来自 worker 的请求

Done():检查 MapReduce 作业是否完成

MakeCoordinator():创建并初始化 Coordinator 实例

Go 复制代码
package mr

import (
    "log"
    "net"
    "os"
    "net/rpc"
    "net/http"
)

// Coordinator 负责管理和分配任务
type Coordinator struct {
    // Your definitions here.
}

// RPC handlers for the worker to call.
// an example RPC handler.
// the RPC argument and reply types are defined in rpc.go
// rpc 调用的参数和返回值,在 rpc.go 中定义
func (c *Coordinator) Example(args *ExampleArgs, reply *ExampleReply) error {
    reply.Y = args.X + 1
    return nil // rpc 调用成功
}

// start a thread that listens for RPCs from worker.go
func (c *Coordinator) server() {
    // 注册协调者实例,处理 RPC 调用
    rpc.Register(c)
    // 允许使用 HTTP 协议进行 RPC 通信
    rpc.HandleHTTP()
    // 协调者 socket 文件名
    sockname := coordinatorSock()
    // 监听前移除已存在的 socket 文件,避免监听失败
    os.Remove(sockname)
    // 监听 UNIX socket,准备接收来自 worker 的连接
    l, e := net.Listen("unix", sockname)
    if e != nil {
        log.Fatal("listen error:", e)
    }
    // 新的 goroutine 中启动 HTTP 服务,以处理 RPC 请求
    go http.Serve(l, nil)
}

// main/mrcoordinator.go 会定期调用 Done() 函数来检查整个作业是否已完成。
func (c *Coordinator) Done() bool {
    ret := false

    // Your code here to implement the check for completion of all tasks
    // 在这里实现检查所有任务是否完成的逻辑,例如检查所有 Map 和 Reduce 任务的状态


    return ret // 作业是否完成
}

// create a Coordinator
// main/mrcoordinator.go calls this function
// nReduce is the number of reduce tasks to use.
// The returned value is a pointer to the newly created Coordinator instance.
func MakeCoordinator(files []string, nReduce int) *Coordinator {
    c := Coordinator{}

    // Your code here to initialize the Coordinator, e.g., load input files, setup tasks, etc


    // 启动 RPC 服务器线程,以便监听和处理来自 worker 的 RPC 请求
    c.server()
    // 返回指向新创建的协调者实例的指针,这样调用者就可以通过这个指针来访问和操作协调者实例
    return &c
}

mr/worker.go

KeyValue 结构体

ihash():返回 reduce 任务编号(用于发送 Map 输出的数据)

Worker():调用插件中的 map() 和 reduce() 函数

CallExample():展示 rpc 调用的完整流程,需要借助 call()

call():建立 rpc 连接,再发送 rpc 请求

Go 复制代码
// package mr - 定义了MapReduce作业的工作者包,包含实现MapReduce算法所需的结构和函数

// import语句 - 日志记录、rpc远程过程调用、哈希计算

package mr

import (
    "fmt"
    "log"
    "net/rpc"
    "hash/fnv"
)

// 定义 MapReduce 中的键值对
type KeyValue struct {
    Key   string
    Value string
}

// 自定义的哈希函数,用于确定Map输出的键值对,应该发送到哪个Reduce任务
// Map阶段输出的键分配到不同的Reduce任务
func ihash(key string) int {
    h := fnv.New32a() // 创建FNV-1a哈希生成器
    // 字符串 key 转为 []byte 字节切片,因为 Wirte() 需要操作字节数据
    h.Write([]byte(key)) // 将键的字节序列写入哈希生成器
    // 使用按位与操作确保结果是一个非负整数,适合作为索引使用
    // 0x7fffffff 就是 0111 1111 ... 1111,符号位为正,其他不变
    return int(h.Sum32() & 0x7fffffff)
}

// Worker 函数 - 是MapReduce工作者的主要工作函数
// 它调用用户提供的map和reduce函数
// main/mrworker.go calls this function.
// 传入的两个参数是 mapf() 和 reducef()
func Worker(mapf func(string, string) []KeyValue, 
            reducef func(string, []string) string) {
    // 工作者实现细节将在这里编写,包括从协调者接收任务和发送结果
}


// example function to show how to make an RPC call to the coordinator.
func CallExample() {
    // {X: 99} 结构体字面量, X 初始化为 99
    args := ExampleArgs{X: 99} // rpc通信中传递的参数
    reply := ExampleReply{}  // 用于存储响应的返回值
    // 发送RPC请求到协调者,等待回复
    // 服务名称.方法名称,rpc包会根据这个字符串,找到对应的服务和方法进行调用
    call("Coordinator.Example", &args, &reply)
    fmt.Printf("reply.Y %v\n", reply.Y) 
}

// send an RPC request to the coordinator, wait for the response.
func call(rpcname string, args interface{}, reply interface{}) bool {
    sockname := coordinatorSock() // 获取协调者socket名称
    c, err := rpc.DialHTTP("unix", sockname) // 建立RPC连接
    if err != nil {
        log.Fatal("dialing:", err)
    }
    defer c.Close()
    // Call 方法是 net/rpc 包中的 *rpc.Client 类型的一个实例方法
    err = c.Call(rpcname, args, reply) // 发送RPC请求
    if err == nil {
        return true
    }
    fmt.Println(err)
    return false
}

mr/rpc.go

ExampleArgs 和 ExampleReply,表示 rpc 参数和 rpc 返回值两种类型

coordinatorSock():为协调者生成 socket 文件名

Go 复制代码
package mr

// RPC definitions
// remember to capitalize(大写) all names

import "os"  // 操作系统功能,获取用户ID
import "strconv"  // 字符串转换

// example to show how to declare the arguments(参数)
// and reply(返回值) for an RPC

type ExampleArgs struct {
    X int 
}

type ExampleReply struct {
    Y int 
}

// Add your RPC definitions here



// Cook up a unique-ish UNIX-domain socket name
// in /var/tmp, for the coordinator

// Can't use the current directory since
// Athena AFS doesn't support UNIX-domain sockets.

// 这里指定的是一个UNIX域socket的文件路径前缀,它位于/var/tmp目录下
// 并且以"824-mr-"作为前缀,以确保socket文件名的唯一性
// 用于获取协调者的socket文件名,以便建立RPC连接
func coordinatorSock() string {
    // 定义UNIX域socket的基础路径,前缀为"/var/tmp/824-mr-"
    s := "/var/tmp/824-mr-"  
    // 将当前用户的UID转换为字符串并追加到基础路径之后,创建一个唯一的socket文件名
    s += strconv.Itoa(os.Getuid())  
    return s  // 协调者监听的socket文件的路径
}

🦈实验--开始

++没写完,不小心发布了,稍等++

🐋伪代码

mr/coordinator.go

Go 复制代码

mr/worker.go

Go 复制代码
.

mr/rpc.go

Go 复制代码
.

🐎结果

相关推荐
zhixingheyi_tian3 小时前
Spark 之 Aggregate
大数据·分布式·spark
PersistJiao3 小时前
Spark 分布式计算中网络传输和序列化的关系(一)
大数据·网络·spark
宅小海6 小时前
scala String
大数据·开发语言·scala
小白的白是白痴的白6 小时前
11.17 Scala练习:梦想清单管理
大数据
java1234_小锋6 小时前
Elasticsearch是如何实现Master选举的?
大数据·elasticsearch·搜索引擎
Java 第一深情10 小时前
零基础入门Flink,掌握基本使用方法
大数据·flink·实时计算
MXsoft61811 小时前
华为服务器(iBMC)硬件监控指标解读
大数据·运维·数据库
PersistJiao11 小时前
Spark 分布式计算中网络传输和序列化的关系(二)
大数据·网络·spark·序列化·分布式计算
九河云12 小时前
如何对AWS进行节省
大数据·云计算·aws
FreeIPCC12 小时前
谈一下开源生态对 AI人工智能大模型的促进作用
大数据·人工智能·机器人·开源