MapReduce

一、介绍

        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。MR有两个阶段组成：Map和Reduce

二、架构

      MapReduce 框架结构 一个完整的 mapreduce 程序在分布式运行时有三类实例进程：

    1、MRAppMaster：负责整个程序的过程调度及状态协调

    2、MapTask：负责 map 阶段的整个数据处理流程

    3、ReduceTask：负责 reduce 阶段的整个数据处理流程

三、案例

      原文链接

       假设有以下的输入数据到 MapReduce 程序，统计以下数据中的单词数量：

        Welcome to Hadoop Class

        Hadoop is good

       Hadoop is bad

四、编写案例

1、pom.xml

 
        
            org.apache.hadoop
            hadoop-hdfs
            2.7.4
        
        
            org.apache.hadoop
            hadoop-client
            2.7.4
        
        
            org.apache.hadoop
            hadoop-mapreduce-client-core
            2.7.4
        

        
            org.apache.hive
            hive-exec
            1.2.1
        

        
            org.apache.hadoop
            hadoop-common
            2.7.4
        
    
    
        
            
                org.apache.maven.plugins
                maven-jar-plugin
                2.4
                
                    三
                        
                            true
                            lib/
                            com.wordcount.WordCountDriver
                        
                    
                
            
        
    

2、map

/**
 *
 * 这里就是mapreduce程序  mapper阶段业务逻辑实现的类
 *
 * Mapper
 *
 * KEYIN：表示mapper数据输入的时候key的数据类型，在默认的读取数据组件下，叫InputFormat,它的行为是一行一行的读取待处理的数据
 *        读取一行，返回一行给我们的mr程序，这种情况下  keyin就表示每一行的起始偏移量  因此数据类型是Long
 *
 * VALUEIN:表述mapper数据输入的时候value的数据类型，在默认的读取数据组件下 valuein就表示读取的这一行内容  因此数据类型是String
 *
 * KEYOUT 表示mapper数据输出的时候key的数据类型  在本案例当中 输出的key是单词  因此数据类型是 String
 *
 * VALUEOUT表示mapper数据输出的时候value的数据类型  在本案例当中 输出的key是单词的次数  因此数据类型是 Integer
 *
 * 这里所说的数据类型String Long都是jdk自带的类型   在序列化的时候  效率低下 因此hadoop自己封装一套数据类型
 *   long---->LongWritable
 *   String-->Text
 *   Integer--->Intwritable
 *   null-->NullWritable
 *
 *
 */
public class WordCountMapper extends Mapper{

    /**
     *  这里就是mapper阶段具体的业务逻辑实现方法  该方法的调用取决于读取数据的组件有没有给mr传入数据
     *  如果有的话  每传入一个《k,v》对  该方法就会被调用一次
     * @param key
     * @param value
     * @param context
     * @throws IOException
     * @throws InterruptedException
     */
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        
        //拿到传入进来的一行内容，把数据类型转化为String 
        String line = value.toString();

        System.out.println(line);
        //将这一行内容按照分隔符进行一行内容的切割 切割成一个单词数组
        String[] words = line.split(" ");

        //遍历数组，每出现一个单词  就标记一个数字1  <单词，1>
        for (String word : words) {
            //使用mr程序的上下文context 把mapper阶段处理的数据发送出去
            //作为reduce节点的输入数据
            context.write(new Text(word),new IntWritable(1));
         
        }
    }
}

3、reduce

/**
 * 这里是MR程序 reducer阶段处理的类
 *
 * KEYIN：就是reducer阶段输入的数据key类型，对应mapper的输出key类型  在本案例中  就是单词  Text
 *
 * VALUEIN就是reducer阶段输入的数据value类型，对应mapper的输出value类型  在本案例中  就是单词次数  IntWritable
 * .
 * KEYOUT就是reducer阶段输出的数据key类型 在本案例中  就是单词  Text
 *
 * VALUEOUTreducer阶段输出的数据value类型 在本案例中  就是单词的总次数  IntWritable
 */
public class WordCountReducer extends Reducer {

    /**
     * 这里是reduce阶段具体业务类的实现方法
     * @param key
     * @param values
     * @param context
     * @throws IOException
     * @throws InterruptedException
     *
     * reduce接收所有来自map阶段处理的数据之后，按照key的字典序进行排序
     * 
     * 排序后：
     * 
     *
     *按照key是否相同作为一组去调用reduce方法
     * 本方法的key就是这一组相同kv对的共同key
     * 把这一组所有的v作为一个迭代器传入我们的reduce方法
     *
     * 
     */
    @Override
    protected void reduce(Text key, Iterable values, Context context) throws IOException, InterruptedException {
        //定义一个计数器
        int count = 0;
        //遍历一组迭代器，把每一个数量1累加起来就构成了单词的总次数

        for(IntWritable value:values){
            System.out.println("----------------");
            count +=value.get();
            System.out.println("----------------");
        }

        //把最终的结果输出
        context.write(key,new IntWritable(count));

    }
}

 

4、driver类

/**
 * 这个类就是mr程序运行时候的主类，本类中组装了一些程序运行时候所需要的信息
 * 比如：使用的是那个Mapper类  那个Reducer类  输入数据在那 输出数据在什么地方
 */
public class WordCountDriver {
  public static void main(String[] args) throws Exception{
    //通过Job来封装本次mr的相关信息
    Configuration conf = new Configuration();
       conf.set("mapreduce.framework.name","local");
    Job job = Job.getInstance(conf);

    //指定本次mr job jar包运行主类
    job.setJarByClass(WordCountDriver.class);

    //指定本次mr 所用的mapper reducer类分别是什么
    job.setMapperClass(WordCountMapper.class);
    job.setReducerClass(WordCountReducer.class);

    //指定本次mr mapper阶段的输出  k  v类型
    job.setMapOutputKeyClass(Text.class);
    job.setMapOutputValueClass(IntWritable.class);

    //指定本次mr 最终输出的 k v类型
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);

//        job.setNumReduceTasks(3);
    //如果业务有需求，就可以设置combiner组件
    //job.setCombinerClass(WordCountReducer.class);


    //指定本次mr 输入的数据路径 和最终输出结果存放在什么位置
    FileInputFormat.setInputPaths(job,"H:\\input");
    FileOutputFormat.setOutputPath(job,new Path("H:\\output"));

//        job.submit();
    //提交程序  并且监控打印程序执行情况
    boolean b = job.waitForCompletion(true);
    System.exit(b?0:1);
  }
}