hadoop入门09:mapreduce开发总结

mapreduce在编程的时候,基本上一个固化的模式,没有太多可灵活改变的地方,除了以下几处:

1、输入数据接口:InputFormat   --->     FileInputFormat(文件类型数据读取的通用抽象类)  DBInputFormat (数据库数据读取的通用抽象类)
   默认使用的实现类是: TextInputFormat     job.setInputFormatClass(TextInputFormat.class)
   TextInputFormat的功能逻辑是:一次读一行文本,然后将该行的起始偏移量作为key,行内容作为value返回
   
2、逻辑处理接口: Mapper  
   完全需要用户自己去实现其中  map()   setup()   clean()   
   
3、map输出的结果在shuffle阶段会被partition以及sort,此处有两个接口可自定义:
     Partitioner
		有默认实现 HashPartitioner,逻辑是  根据key和numReduces来返回一个分区号; key.hashCode()&Integer.MAXVALUE % numReduces
	通常情况下,用默认的这个HashPartitioner就可以,如果业务上有特别的需求,可以自定义
	 
	 Comparable
		当我们用自定义的对象作为key来输出时,就必须要实现WritableComparable接口,override其中的compareTo()方法

4、reduce端的数据分组比较接口 : Groupingcomparator
	reduceTask拿到输入数据(一个partition的所有数据)后,首先需要对数据进行分组,其分组的默认原则是key相同,然后对每一组kv数据调用一次reduce()方法,并且将这一组kv中的第一个kv的key作为参数传给reduce的key,将这一组数据的value的迭代器传给reduce()的values参数
	
	利用上述这个机制,我们可以实现一个高效的分组取最大值的逻辑:
	自定义一个bean对象用来封装我们的数据,然后改写其compareTo方法产生倒序排序的效果
	然后自定义一个Groupingcomparator,将bean对象的分组逻辑改成按照我们的业务分组id来分组(比如订单号)
	这样,我们要取的最大值就是reduce()方法中传进来key
	

5、逻辑处理接口:Reducer
	完全需要用户自己去实现其中  reduce()   setup()   clean()   

6、输出数据接口: OutputFormat  ---> 有一系列子类  FileOutputformat  DBoutputFormat  .....
	默认实现类是TextOutputFormat,功能逻辑是:  将每一个KV对向目标文本文件中输出为一行

 

你可能感兴趣的:(java,大数据)