MapReduce
6.5840/6.824 Lab汇总
本文对应的Lab版本为MIT6.5840-Spring2024的Lab1
本博客只提供思路，不会公开任何代码
本lab耗时约6h，码量约500行
MapReduce思想
MapReduce的思想属于是比较简单的，分为两个阶段：
Map阶段将用户指定的输入文件（通常存放于分布式文件系统中，不过本Lab使用本地文件系统来代替），利用用户编写的map函数，将输入文件拆分为（key，value）形式，输出到若干个中间文件中（这些中间文件存放在map函数所运行的机器中，假设后面运行reduce函数的worker有nReduce个，那么每个运行map函数的worker，就需要把拆分出来的kv对分为nReduce个中间文件来存放，可在key上做hash来划分kv对到对应的中间文件中）
Reduce阶段将中间文件读取出来，并按照key进行排序，然后调用用户提供的reduce函数，将相同key的所有value进行聚合，最后输出到文件中。假设存在nReduce个reduce任务，那么最后会产生nReduce个输出文件。
MapReduce框架中，存在一个coordinator（论文里也叫master），用于协调map任务与reduce任务，同时，需要考虑任务crash的问题（重启任务）。
实现思路
代码主要分为两部分：coordinator.go和worker.go
coordinator主要用于回应worker的rpc请求，分为两种请求（分配任务与任务反馈）。coordinator需要维护每一个任务的状态（可使用map），当收到分配任务的请求时，它找出一个未完成的任务并分配给worker（也是通过rpc），指定该任务的类型，并传输所需参数；当收到worker的任务反馈时，判断任务是否成功，并更新任务状态。
同时，coordinator需要监控worker，如果一个worker超过10s还没有回复，那么认为该worker已经crash了，需要重新分配这个worker所运行的任务。
worker则是打工人，需要不断询问coordinator是否有任务做，对于map任务与reduce任务，进行不同的逻辑处理，按照MapReduce框架的思想进行实现就可以了。
感受
第一次使用go，2小时就可以速成，变量声明与赋值都很方便（像python），但它是类型安全的编译型语言，不会产生运行时的类型错误，写起来非常方便。同时，不像C++一样需要内存管理，因为存在gc机制。
当然，目前看到的只是冰山一角，还需要继续深入学习思考。
