前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >MapReduce编程实现学习

MapReduce编程实现学习

作者头像
用户3003813
发布2018-09-06 14:05:33
5940
发布2018-09-06 14:05:33
举报
文章被收录于专栏:个人分享

MapReduce主要包括两个阶段:一个是Map,一个是Reduce. 每一步都有key-value对作为输入和输出。

  Map阶段的key-value对的格式是由输入的格式决定的,如果是默认的TextInputFormat,则每行作为一个记录进程处理,其中key为此行的开头相对文件的起始位置,value就是此行的字符文本。Map阶段的输出的key-value对的格式必须同reduce阶段的输入key-value对的格式相对应。

下面开始尝试,假设我们需要处理一批有关天气的数据,其格式如下:     按照ASCII码存储,每行一条记录     每一行字符从0开始计数,第15个到第18个字符为年     第25个到第29个字符为温度,其中第25位是符号+/-

Text文本样例:

代码语言:javascript
复制
0067011990999991950051507+0000+
0043011990999991950051512+0022+
0043011990999991950051518-0011+
0043012650999991949032412+0111+
0043012650999991949032418+0078+
0067011990999991937051507+0001+
0043011990999991937051512-0002+
0043011990999991945051518+0001+
0043012650999991945032412+0002+
0043012650999991945032418+0078+

上代码啦:

代码语言:javascript
复制
package Hadoop;

import java.io.IOException;
import java.util.StringTokenizer;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
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.Reducer.Context;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;

import java.io.IOException;
import java.util.StringTokenizer;

/**
 * Created by root on 4/23/16.
 */
public class hadoopTest extends Configured implements Tool{
   //map将输入中的value复制到输出数据的key上,并直接输出
    public static class Map extends Mapper<LongWritable, Text, Text, IntWritable> {

     //实现map函数
        @Override
        public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
            String line = value.toString();
            String year = line.substring(15, 19);
            int airTemperature;

            if (line.charAt(25) == '+') {

                airTemperature = Integer.parseInt(line.substring(26, 30));

            } else {

                airTemperature = Integer.parseInt(line.substring(25, 30));

            }
            context.write(new Text(year), new IntWritable(airTemperature));
        }

    }

      //reduce将输入中的key复制到输出数据的key上,并直接输出
        public static class Reduce extends Reducer<Text, IntWritable, Text, IntWritable> {
            public void reduce(Text key, Iterable<IntWritable> values, Context context)
                    throws IOException, InterruptedException {

                int maxValue = Integer.MIN_VALUE;
                for (IntWritable sorce : values) {
                    maxValue = Math.max(maxValue, sorce.get());
                }

                    context.write(key, new IntWritable(maxValue));
            }
        }

        @Override
        public int run(String[] arg0) throws Exception {
        //这里测试用,传入的路径直接赋值
            String InputParths = "/usr/local/hadooptext.txt";
            String OutputPath = "/usr/local/hadoopOut";
        //声明一个job对象,这里的getConf是获取hadoop的配置信息,需要继承Configured.
            Job job = new Job(getConf());
         //设置job名称
            job.setJobName("AvgSorce");
            //设置mapper输出的key-value对的格式
            job.setOutputKeyClass(Text.class);
        
        //设置Mapper,默认为IdentityMapper,这里设置的代码中的Mapper
            job.setMapperClass(hadoopTest.Map.class);
         //Combiner可以理解为小的Reducer,为了降低网络传输负载和后续Reducer的计算压力 可以单独写一个方法进行调用
            job.setCombinerClass(Reduce.class);
        //设置reduce输出的key-value对的格式
            job.setOutputValueClass(IntWritable.class);
            //设置输入格式
            job.setInputFormatClass(TextInputFormat.class);
            //设置输入输出目录
            FileInputFormat.setInputPaths(job, new Path(InputParths));
            FileOutputFormat.setOutputPath(job, new Path(OutputPath));
            boolean success = job.waitForCompletion(true);
            return success ? 0 : 1;
        }

        public static void main(String[] args) throws Exception {
            int ret = ToolRunner.run(new hadoopTest(), args);
            System.exit(ret);
        }
    }

Map函数继承自MapReduceBase,它实现了Mapper接口,此接口是一个范型类型,它有4种形式的参数,分别用来指定map的输入key值类型、输入value值类型、输出key值类型和输出value值类型。这里使用的是TextInputFormat,它的输出key值是LongWritable类型,输出value是Text类型。因为需要输出<word,1>形式,因此输出的key值类型是Text,输出的value值类型是IntWritable

InputFormat()和inputSplit

  InputSplit是Hadoop定义的用来传输给每个单独的map的数据,InputSplit存储的并非数据本身,而是一个分片长度和一个记录数据位置的数组。生成InputSplit的方法可以通过InputFormat()来设置。当数据传输给map时,map会将输入分片传送到InputFormat上,InputFormat调用getRecordReader()方法生成RecordReader,RecordReader再通过creatKey()、creatValue()方法创建可供map处理的<key,value>对,即<k1,v1>,InputFormat()方法是用来生成可供map处理的<key,value>对的。

TextInputFormat是Hadoop默认的输入方法,在TextInputFormat中,每个文件都会单独地作为map的输入,而这是继承自FileInputFormat的,之后,每行数据都会生成一条记录,每条记录则表示成<key,value>形式。

这里的key是每个数据的记录在数据分片中的字节偏移量,数据类型是LongWritable. 

value值是每行的内容,数据类型是Text.

执行结果:

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2016-04-23 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档