向你老婆解释清楚什么是MapReduce

文章转载自「开发者圆桌」一个关于开发者入门、进阶、踩坑的微信公众号

干巴巴的定义

MapReduce是一种编程模型，用于大规模数据集（大于1TB）的并行运算。概念"Map（映射）"和"Reduce（归约）"，是它们的主要思想，都是从函数式编程语言里借来的，还有从矢量编程语言里借来的特性。它极大地方便了编程人员在不会分布式并行编程的情况下，将自己的程序运行在分布式系统上。 

当前的软件实现是指定一个Map（映射）函数，用来把一组键值对映射成一组新的键值对，指定并发的Reduce（归约）函数，用来保证所有映射的键值对中的每一个共享相同的键组。

形象的解释1：统计图书

我们要数图书馆中的所有书。你数1号书架，我数2号书架，这就是“Map”。我们人越多，数的就更快。

现在我们到一起，把所有人的统计数加在一起，这就是“Reduce”。

形象的解释2：统计图形

我们来看一个关于图形统计的MapReduce流程，两个人负责把左侧的一堆图形，按照形状和颜色归类统计各自的数量。

实战：计算平均成绩的Java Hadoop MapReduce程序

说了那么多，你老婆可能已经理解了MR，但是你可能还无法和程序代码联系起来，下面的这个小例子可以帮助到你，类似的样例网上很多，去搜索吧，这里简单分析一下关键代码，通过标注的name和Text key，你需要理解什么是MapReduce中的key以及key的作用。

数据环境：位于Hadoop中的chinese.txt、english.txt、math.txt文件分别记录了所有学生的语文、英语、数学成绩，文件内容格式为，姓名 分数，中间以空格分隔。

public class Score {

    public static class ScoreMap extends

            Mapper {

        // 实现map函数

        public void map(LongWritable key, Text value, Context context)

                throws IOException, InterruptedException {

            // 将输入的纯文本文件的数据转化成String

            String line = value.toString();

            // 将输入的数据首先按行进行分割

            StringTokenizer tokenizerArticle = new StringTokenizer(line, "\n");

            // 分别对每一行进行处理

            while (tokenizerArticle.hasMoreElements()) {

                // 每行按空格划分

                StringTokenizer tokenizerLine = new StringTokenizer(tokenizerArticle.nextToken());

                String strName = tokenizerLine.nextToken();// 学生姓名部分

                String strScore = tokenizerLine.nextToken();// 成绩部分

                Text name = new Text(strName);

                int scoreInt = Integer.parseInt(strScore);

                // 输出姓名和成绩，以name做为key对分数归类

                context.write(name, new IntWritable(scoreInt));

            }

        }

    }

    public static class ScoreReduce extends

            Reducer {

        // 实现reduce函数

        public void reduce(Text key, Iterable values,

                Context context) throws IOException, InterruptedException {

            int sum = 0;

            int count = 0;

            Iterator iterator = values.iterator();

            while (iterator.hasNext()) {

                sum += iterator.next().get();// 计算总分

                count++;// 统计总的科目数

            }

            int average = (int) sum / count;// 计算平均成绩

            context.write(key, new IntWritable(average));

        }

    }

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

        ...

        // 设置Map和Reduce处理类

        job.setMapperClass(ScoreMap.class);

        job.setReducerClass(ScoreReduce.class);

       ...

    }

}

最后的话

如果你要进一步了解MR，最好的方法就是从头成功运行一个hello world程序，通过一次成功的实践，你会发现MR这东西实在太简单了，否则说明你还没有成功运行过第一个小程序。实践！实践！实践！