Hadoop应用:剖解MapReduce

为了能让MapReduce的key/value对能够在集群中移动,MapReduce框架提供了一个序列化key/value对的方法

但MapReduce并不允许任意的类都能做为key,只有实现了WriableComparable或者Wirable接口(说明,Wriable也实现了WriableComparable接口)的类才能做为键,因为在reduce阶段要根据key来进行排序,并将相同key的值进行归并。

所以要想自己写的类能做为key的话,则此类必须实现Comparable接口。

下面我们来写一个这样的类代表两个城市之间的航

package csdn.jtlyuan;   import java.io.DataInput;   import java.io.DataOutput;   import java.io.IOException;   import org.apache.hadoop.io.WritableComparable;   public class Edge implements WritableComparable<Edge>{       private String startNode;       private String endNode;       @Override       public void readFields(DataInput in) throws IOException {           this.startNode=in.readUTF();           this.endNode=in.readUTF();         }          @Override       public void write(DataOutput out) throws IOException {           out.writeUTF(this.startNode);           out.writeUTF(this.endNode);       }          @Override       public int compareTo(Edge o) {           return (this.startNode.compareTo(o.startNode) != 0)?                   this.startNode.compareTo(o.startNode):                       this.endNode.compareTo(o.endNode);       }      }  

MapReduce程序的各种阶段:

Hadoop应用:剖解MapReduce


Mapper:把输入映射为key value形式

Reducer:接受来自各个mapper的输出,它按照key/value对的key进行排序,并将相同key的值归并放在同一个reducer里。

Partition:重定向Mapper输出,默认的作法是对键的散列来觉得reducer,hadoop可以通过HashPartitioner类改变这种策略。

Combiner:本地reduce

Shuffle:当第一个map任务完成后,节点可能还要继续执行更多的map任务,但这时候也开始把map任务的中间输出交换到需要它们的reducer那里去,这个移动map输出到reducer的过程叫做shuffle


举例:WordCount程序:

import java.io.IOException;   import java.util.StringTokenizer;      import org.apache.hadoop.conf.Configuration;   import org.apache.hadoop.fs.Path;   import org.apache.hadoop.io.IntWritable;   import org.apache.hadoop.io.Text;   import org.apache.hadoop.mapreduce.Job;   import org.apache.hadoop.mapreduce.Mapper;   import org.apache.hadoop.mapreduce.Reducer;   import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;   import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;   import org.apache.hadoop.util.GenericOptionsParser;      public class WordCount {        public static class TokenizerMapper           extends Mapper<Object, Text, Text, IntWritable>{              private final static IntWritable one = new IntWritable(1);       private Text word = new Text();                public void map(Object key, Text value, Context context                       ) throws IOException, InterruptedException {         StringTokenizer itr = new StringTokenizer(value.toString());         while (itr.hasMoreTokens()) {           word.set(itr.nextToken());           context.write(word, one);         }       }     }          public static class IntSumReducer           extends Reducer<Text,IntWritable,Text,IntWritable> {       private IntWritable result = new IntWritable();          public void reduce(Text key, Iterable<IntWritable> values,                           Context context                          ) throws IOException, InterruptedException {         int sum = 0;         for (IntWritable val : values) {           sum += val.get();         }         result.set(sum);         context.write(key, result);//Context接受reduce阶段的输出       }     }        public static void main(String[] args) throws Exception {       Configuration conf = new Configuration();       String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();       if (otherArgs.length != 2) {         System.err.println("Usage: wordcount <in> <out>");         System.exit(2);       }       Job job = new Job(conf, "word count");//根据配置来实例化一个Job,并给Job设置名字             job.setJarByClass(WordCount.class);//Set the Jar by finding where a given class came from.       job.setMapperClass(TokenizerMapper.class);//Set the Mapper for the job       job.setCombinerClass(IntSumReducer.class);//Set the combiner class for the job.       job.setReducerClass(IntSumReducer.class);//Set the Reducer for the job              job.setOutputKeyClass(Text.class);//Set the key class for the job output data.       job.setOutputValueClass(IntWritable.class);//Set the value class for job outputs.              FileInputFormat.addInputPath(job, new Path(otherArgs[0]));//设置输入路径       FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));//设置输出位置 (在运行之前,该目录不应该存在,否则会报错并拒绝运行该任务)             System.exit(job.waitForCompletion(true) ? 0 : 1);//job.waitForCompletion Submit the job to the cluster and wait for it to finish.     }   }  


下面的图可以清晰得开到怎样对两个文件的单词进行统计的。

 

Hadoop应用:剖解MapReduce

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:http://www.heiqu.com/5f9143e36cf23daf632b983ed75f2160.html