大数据学习之七——MapReduce简单代码实例

1.关于MapReduce

MapReduce是一种可用于数据处理的编程模型，能够支持java、Python、C++等语言。MapReduce程序本质上是并行运行的，因此可以处理大规模数据集，这也是它的优势。

2.使用hadoop分析数据

hadoop提供了并行处理，我们将查询表示成MapReduce作业。

MapReduce任务过程分为两个处理阶段：map阶段和reduce阶段。每个阶段都以键/值作为输入和输出，并选择它们的类型。程序员还需要定义两个函数：map函数和reduce函数。

Java  MapReduce

我们需要三个东西：一个map函数，一个reduce函数和一些用来运行作业的代码。map函数由mapper接口实现。

Mapper接口是一个泛型类型，有四个形参，分别指定map函数的输入键、输入值、输出键和输出值的类型。这些类型均可在org.apache.hadoop.io包中找到。其中，LongWritable类型相当于java中的Long类型、Text类型相当于java中的String类型、IntWritable类型相当于java中的Integer类型。

在主函数中经常使用的类有：

FileOutputFormat类中的静态函数setOutputPath()来指定输出路径，该函数指定了reduce函数输出文件的写入目录。在运行任务前该目录不应该存在。接着通过setMapperClass()和setReducerClass()指定map和reduce类型。setOutputKeyClass()和setOutputValueClass()控制map和reduce函数的输出类型。输入的类型通过InputFormat类来控制，在设置定义map和reduce函数的类之后，JobClient类的静态函数runJob()会提交作业并等待完成，最后将其进展情况写到控制台。

3.统计单词数量代码实例

package mapreduce01;  //MapReduce工程名字

import java.io.IOException;

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;

//单词计数

public class mytest {    

static String INPUT_PATH="hdfs://master:9000/input/mr.txt";   //待统计的文件路径

static String OUTPUT_PATH="hdfs://master:9000/output/mr.txt";    //统计结果存放的路径

static class MyMapper extends Mapper {     //定义继承mapper类

protected void map(Object key, Object value, Context context) throws IOException, InterruptedException{    //定义map方法

String[] arr=value.toString().split(",");      //文件中的单词是以“，”分割的，并将每一行定义为一个数组

for(int i=0;i

context.write(new Text(arr[i]),new IntWritable(1));  

  }

 }  

}    

static class MyReduce extends Reducer{     //定义继承reducer类

protected void reduce(Text key,Iterable values,Context context) throws IOException,InterruptedException{      //定义reduce方法

int count=0;    

for(IntWritable c:values){     //统计同一个单词的数量

count+=c.get();    

}    

IntWritable outValue=new IntWritable(count);    

context.write(key,outValue);    

}   

}  

 public static void main(String[] args) throws Exception{    //main函数

 Path outputpath=new Path(OUTPUT_PATH);    //输出路径

Configuration conf=new Configuration();   

Job job=Job.getInstance(conf);     //定义一个job，启动任务

FileInputFormat.setInputPaths(job, INPUT_PATH);  

 FileOutputFormat.setOutputPath(job,outputpath);     

 job.setMapperClass(MyMapper.class);  

 job.setReducerClass(MyReduce.class);     

 job.setOutputKeyClass(Text.class);  

 job.setOutputValueClass(IntWritable.class);     

 job.waitForCompletion(true);  

}

}

4.统计去重代码实例

package mapreduce01;  //MapReduce工程名字

import java.io.IOException;

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;

//单词去重

public class testquchong {    

static String INPUT_PATH="hdfs://master:9000/quchong";   //待统计的文件

static String OUTPUT_PATH="hdfs://master:9000/quchong/qc";    //统计结果存放的路径

static class MyMapper extends Mapper{   

private static Text line=new Text();      //text相当于string

protected void map(Object key, Text value, Context context) throws IOException, InterruptedException{    

line=value;   

 context.write(line,new Text(","));     //以“，”规定格式，空格不容易控制，统计key，因为key值是唯一的

 }

 }    

static class MyReduce extends Reducer{

protected void reduce(Text key,Iterable values,Context context) throws IOException,InterruptedException{       

context.write(key,new Text(""));    

} 

 }  

 public static void main(String[] args) throws Exception{   

Path outputpath=new Path(OUTPUT_PATH);   

Configuration conf=new Configuration();   

Job job=Job.getInstance(conf);     

 job.setMapperClass(MyMapper.class);  

 job.setReducerClass(MyReduce.class);   

job.setCombinerClass(MyReduce.class);     

 job.setOutputKeyClass(Text.class);  

 job.setOutputValueClass(Text.class);     

 FileInputFormat.setInputPaths(job, INPUT_PATH);   

FileOutputFormat.setOutputPath(job,outputpath);  

 job.waitForCompletion(true);

 }

}

 

转载于:https://www.cnblogs.com/m-study/p/8366698.html