MapReduce的原理及执行过程,Combiner

MapReduce简介

  1. MapReduce是一种分布式计算模型,是Google提出的,主要用于搜索领域,解决海量数据的计算问题。
  2. MR有两个阶段组成:Map和Reduce,用户只需实现map()和reduce()两个函数,即可实现分布式计算。

MapReduce执行流程

《MapReduce的原理及执行过程,Combiner》

 

 MapReduce原理

 《MapReduce的原理及执行过程,Combiner》

 

 MapReduce的执行步骤:

1、Map任务处理

  1.1 读取HDFS中的文件。每一行解析成一个<k,v>。每一个键值对调用一次map函数。                <0,hello you>   <10,hello me>                    

  1.2 覆盖map(),接收1.1产生的<k,v>,进行处理,转换为新的<k,v>输出。          <hello,1> <you,1> <hello,1> <me,1>

  1.3 对1.2输出的<k,v>进行分区。默认分为一个区。详见《Partitioner

  1.4 对不同分区中的数据进行排序(按照k)、分组。分组指的是相同key的value放到一个集合中。 排序后:<hello,1> <hello,1> <me,1> <you,1>  分组后:<hello,{1,1}><me,{1}><you,{1}>

  1.5 (可选)对分组后的数据进行归约。详见《Combiner

2、Reduce任务处理

  2.1 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节点上。(shuffle)详见《shuffle过程分析

  2.2 对多个map的输出进行合并、排序。覆盖reduce函数,接收的是分组后的数据,实现自己的业务逻辑, <hello,2> <me,1> <you,1>

    处理后,产生新的<k,v>输出。

  2.3 对reduce输出的<k,v>写到HDFS中。

 

Java代码实现

注:要导入org.apache.hadoop.fs.FileUtil.java。

1、先创建一个hello文件,上传到HDFS中

《MapReduce的原理及执行过程,Combiner》

 

2、然后再编写代码,实现文件中的单词个数统计(代码中被注释掉的代码,是可以省略的,不省略也行)

 

  1 package mapreduce;
  2 
  3 import java.net.URI;
  4 import org.apache.hadoop.conf.Configuration;
  5 import org.apache.hadoop.fs.FileSystem;
  6 import org.apache.hadoop.fs.Path;
  7 import org.apache.hadoop.io.LongWritable;
  8 import org.apache.hadoop.io.Text;
  9 import org.apache.hadoop.mapreduce.Job;
 10 import org.apache.hadoop.mapreduce.Mapper;
 11 import org.apache.hadoop.mapreduce.Reducer;
 12 import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
 13 import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
 14 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
 15 import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
 16 
 17 public class WordCountApp {
 18     static final String INPUT_PATH = "hdfs://chaoren:9000/hello";
 19     static final String OUT_PATH = "hdfs://chaoren:9000/out";
 20 
 21     public static void main(String[] args) throws Exception {
 22         Configuration conf = new Configuration();
 23         FileSystem fileSystem = FileSystem.get(new URI(INPUT_PATH), conf);
 24         Path outPath = new Path(OUT_PATH);
 25         if (fileSystem.exists(outPath)) {
 26             fileSystem.delete(outPath, true);
 27         }
 28 
 29         Job job = new Job(conf, WordCountApp.class.getSimpleName());
 30 
 31         // 1.1指定读取的文件位于哪里
 32         FileInputFormat.setInputPaths(job, INPUT_PATH);
 33         // 指定如何对输入的文件进行格式化,把输入文件每一行解析成键值对
 34         //job.setInputFormatClass(TextInputFormat.class);
 35 
 36         // 1.2指定自定义的map类
 37         job.setMapperClass(MyMapper.class);
 38         // map输出的<k,v>类型。如果<k3,v3>的类型与<k2,v2>类型一致,则可以省略
 39         //job.setOutputKeyClass(Text.class);
 40         //job.setOutputValueClass(LongWritable.class);
 41 
 42         // 1.3分区
 43         //job.setPartitionerClass(org.apache.hadoop.mapreduce.lib.partition.HashPartitioner.class);
 44         // 有一个reduce任务运行
 45         //job.setNumReduceTasks(1);
 46 
 47         // 1.4排序、分组
 48 
 49         // 1.5归约
 50 
 51         // 2.2指定自定义reduce类
 52         job.setReducerClass(MyReducer.class);
 53         // 指定reduce的输出类型
 54         job.setOutputKeyClass(Text.class);
 55         job.setOutputValueClass(LongWritable.class);
 56 
 57         // 2.3指定写出到哪里
 58         FileOutputFormat.setOutputPath(job, outPath);
 59         // 指定输出文件的格式化类
 60         //job.setOutputFormatClass(TextOutputFormat.class);
 61 
 62         // 把job提交给jobtracker运行
 63         job.waitForCompletion(true);
 64     }
 65 
 66     /**
 67      * 
 68      * KEYIN     即K1     表示行的偏移量 
 69      * VALUEIN     即V1     表示行文本内容 
 70      * KEYOUT     即K2     表示行中出现的单词 
 71      * VALUEOUT 即V2        表示行中出现的单词的次数,固定值1
 72      * 
 73      */
 74     static class MyMapper extends
 75             Mapper<LongWritable, Text, Text, LongWritable> {
 76         protected void map(LongWritable k1, Text v1, Context context)
 77                 throws java.io.IOException, InterruptedException {
 78             String[] splited = v1.toString().split("\t");
 79             for (String word : splited) {
 80                 context.write(new Text(word), new LongWritable(1));
 81             }
 82         };
 83     }
 84 
 85     /**
 86      * KEYIN     即K2     表示行中出现的单词 
 87      * VALUEIN     即V2     表示出现的单词的次数 
 88      * KEYOUT     即K3     表示行中出现的不同单词
 89      * VALUEOUT 即V3     表示行中出现的不同单词的总次数
 90      */
 91     static class MyReducer extends
 92             Reducer<Text, LongWritable, Text, LongWritable> {
 93         protected void reduce(Text k2, java.lang.Iterable<LongWritable> v2s,
 94                 Context ctx) throws java.io.IOException,
 95                 InterruptedException {
 96             long times = 0L;
 97             for (LongWritable count : v2s) {
 98                 times += count.get();
 99             }
100             ctx.write(k2, new LongWritable(times));
101         };
102     }
103 }

 

3、运行成功后,可以在Linux中查看操作的结果

《MapReduce的原理及执行过程,Combiner》

 

    原文作者:MapReduce
    原文地址: https://www.cnblogs.com/ahu-lichang/p/6645074.html
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞