首页  »   云计算

MapReduce 的更进一步了解(一)

网友分享于:2015-08-06  浏览:0次
MapReduce 的进一步了解(一)

1、map任务处理

1.1读取输入文件内容,接卸成key、value对。对输入文件的每一行,解析成key、value对。每一个键值对调用一次map函数

1.2写自己的逻辑,对输入的key、value处理,转换成新的key、value输出。

1.3对输出的key、value进行分区

1.4对不同分区的数据,按照key进行排序、分区。相同key的value放到一个集合中。

1.5(可选)分组后的数据进行归纳

2、reduce任务处理

2.1对多个map任务的输出,按照不同的分区,通过网络copy到不同的reduce节点

2.2对多个map任务的输出进行合并、排序。写reduce函数自己的逻辑,对输入的key、value处理,转换成新的key、value输出。

2.3把reduce的输出保存到文件中。

===================================================================================

3、worldcount案例应用

/*
 * 1、分析业务逻辑,确定输入输出数据的样式
 * 2、自定义一个类,这个类要继承mapper,重写map方法,实现具体业务逻辑,然后将新的key,value输出
 * 3、自顶一个各类,这个类要继承reducer,重写reduce方法,实现具体业务逻辑,然后将新的key,value输出
 * 4、将自定义的mapper和reducer通过job对象组装起来
 */

map方法

package cn.intcast.hadoop.mr;

import java.io.IOException;

import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

public class WCMapper extends Mapper<LongWritable, Text , Text, LongWritable>{

	//重写map方法 shift+alt+s
	//注意序列化机制,jdk和hadoop中的序列化是不一样的,这里应采用hadoop中的类LongWritable,对应long;Text对应String
	@Override
	protected void map(LongWritable key, Text value, Context context)
			throws IOException, InterruptedException {
		 //接收数据V1
		String line = value.toString();
		//切分数据
		String[] words = line.split(" ");
		//循环
		for(String w:words)
		{
			//出现一次,记录一次输出			
			context.write(new Text(w), new LongWritable(1));
		}
	}
    
}


reduce函数

package cn.intcast.hadoop.mr;

import java.io.IOException;

import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

public class WCReducer extends Reducer<Text, LongWritable, Text, LongWritable> {

	@Override
	protected void reduce(Text k2, Iterable<LongWritable> v2s, Context context)
			throws IOException, InterruptedException {
		//接收数据
		Text k3 = k2;
		//定义一个计数器
		long counter = 0;
		//循环v2s
		for(LongWritable i : v2s){
			counter += i.get();
		}
		//输出
		context.write(k3, new LongWritable(counter));
	}

}

WorldCount主函数

package cn.intcast.hadoop.mr;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

public class WorldCount {

	public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
    		
		//构建一个job对象
		Job job = Job.getInstance(new Configuration());
		
		//注意:main方法所在的类
		job.setJarByClass(WorldCount.class);
		
		//组装map和reduce方法
		//设置mapper相关属性
		job.setMapperClass(WCMapper.class);
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(LongWritable.class);
		
		FileInputFormat.setInputPaths(job, new Path("/user/guest/words.txt"));	
		
		//设置reducer相关属性
		job.setReducerClass(WCReducer.class);
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(LongWritable.class);
		
		FileOutputFormat.setOutputPath(job, new Path("/wcout0804"));
		
		job.waitForCompletion(true);		
	}
}




版权声明:本文为博主原创文章,未经博主允许不得转载。

相关解决方案

最新解决方案