组合式的MapReduce作业

Hadoop 组合式作业

在实际的应用中，很多的复杂任务都是不止一趟的mapreduce任务，需要查分成多个简单的mapreduce子任务去完后。

（1）迭代的计算任务。

（2）顺序组合MapReduce作业

（3）具有依赖关系的组合式mapreduce作业

（4）mapreduce前处理和后处理步骤的链式执行

迭代的计算任务：

PageRank算法。

顺序组合：

多个mapreduce子任务的逐一执行：

mapreduce1->mapreduce2->mapreduce3.....

需要注意的是，任务1的输出目录，将作为任务2的输入目录，任务2的输出目录将作为任务3的输入目录,.....。

Configuration conf = new Configuration();
    Job job1 = new Job(conf,"job1");
    job.setJarByClass(job1.class);
    FileInputFormat.addInputPath(job1,inputpath1);
    FileOutputFormat.setOutputPath(job, outputpath1);


    Configuration conf2 = new Configuration();
    Job job2 = new Job(conf2,"job2");
    job.setJarByClass(job2.class);
    FileInputFormat.addInputPath(job2,outputpath1);
    FileOutputFormat.setOutputPath(job2, outputpath2);

    Configuration conf3 = new Configuration();
    Job job3 = new Job(conf3,"job3");
    job.setJarByClass(job3.class);
    FileInputFormat.addInputPath(job3,outputpath2);
    FileOutputFormat.setOutputPath(job3, outputpath3);

（3）任务存在着依赖关系：

job除了维护子任务的配置信息之外，还可以维护任务之间的依赖关系，可以把所有任务都加入到JobControl中，在JobControl的run方法执行。

Configuration conf = new Configuration();
    Job job1 = new Job(conf,"job1");

    Configuration conf2 = new Configuration();
    Job job2 = new Job(conf2,"job2");

    Configuration conf3 = new Configuration();
    Job job3 = new Job(conf3,"job3");

    job3.addDependingJob(job1);
    job3.addDependingJob(job2);

    JobControl jc = new JobControl("job123");
    jc.addJob(job1);
    jc.addJob(job2);
    jc.addJob(job3);
    jc.run();

4）mapreduce前处理和后处理步骤的链式执行

hadoop提供了链式的mapper和链式的reducer，ChainMapper允许在一个map任务下添加多个map任务，而chainreducer可以允许在一个reducer处理之后，继续使用多个map任务，完成后续的处理。

Configuration conf = new Configuration();
    Job job1 = new Job(conf,"job1");
    job.setMapperClass(Map.class);
    job.setReducerClass(Reduce.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(Text.class);
    FileInputFormat.addInputPath(job,new Path(args[0]));
    FileOutputFormat.setOutputPath(job, new Path(args[1]));

    Configuration map1conf = new Configuration(false);
    /**
     * addMapper(主作业，加入的mapclass，map输入class，map输入键值class，map输出键class，map输出键值class，
     *          true，配置对象)
     *
     * */
    ChainMapper.addMapper(job1,Map1.class,LongWritable.class,Text.class,
                            Text.class,Text.class,true,map1conf);
    Configuration map2conf = new Configuration(false);
    //根据上一个map输出class作为输入
    ChainMapper.addMapper(job1,Map2.class,Text.class,Text.class,
            LongWritable.class,Text.class,true,map2conf);

    Configuration reduceconf = new Configuration(false);
    /**
     * setReducer(主作业，加入的reduceclass，map输入class，map输入键值class，map输出键class，map输出键值class，
     *          true，配置对象)
     *
     * */
    ChainMapper.setReducer(job1,reduce.class,LongWritable.class,Text.class,
            Text.class,Text.class,true,reduceconf);
    //根据上一个map输出class作为输入
    Configuration map3conf = new Configuration(false);
    ChainMapper.addMapper(job1,map3.class,Text.class,Text.class,
            LongWritable.class,Text.class,true,map3conf);

    Configuration map4conf = new Configuration(false);
    ChainMapper.addMapper(job1,map4.class,LongWritable.class,Text.class,
            LongWritable.class,Text.class,true,map4conf);