MapReduce的原理及执行过程

来源：互联网发布：linux vi 退不出来编辑：程序博客网时间：2024/06/05 01:05

MapReduce简介

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，用户只需实现map()和reduce()两个函数，即可实现分布式计算。

MapReduce执行流程

MapReduce原理

MapReduce的执行步骤：

1、Map任务处理

　　1.1 读取HDFS中的文件。每一行解析成一个<k,v>。每一个键值对调用一次map函数。 <0,hello you> <10,hello me>

　　1.2 覆盖map()，接收1.1产生的<k,v>，进行处理，转换为新的<k,v>输出。　　　　　　　　　　<hello,1> <you,1> <hello,1> <me,1>

　　1.3 对1.2输出的<k,v>进行分区。默认分为一个区。

　　1.4 对不同分区中的数据进行排序（按照k）、分组。分组指的是相同key的value放到一个集合中。　排序后：<hello,1> <hello,1> <me,1> <you,1> 分组后：<hello,{1,1}><me,{1}><you,{1}>

　　1.5 （可选）对分组后的数据进行归约。

2、Reduce任务处理

　　2.1 多个map任务的输出，按照不同的分区，通过网络copy到不同的reduce节点上。（shuffle）

　　2.2 对多个map的输出进行合并、排序。覆盖reduce函数，接收的是分组后的数据，实现自己的业务逻辑，　<hello,2> <me,1> <you,1>

　　　　处理后，产生新的<k,v>输出。

　　2.3 对reduce输出的<k,v>写到HDFS中。

Java代码实现

注：要导入org.apache.hadoop.fs.FileUtil.java。

1、先创建一个hello文件，上传到HDFS中

2、然后再编写代码，实现文件中的单词个数统计（代码中被注释掉的代码，是可以省略的，不省略也行）

  1 package mapreduce;  2   3 import java.net.URI;  4 import org.apache.hadoop.conf.Configuration;  5 import org.apache.hadoop.fs.FileSystem;  6 import org.apache.hadoop.fs.Path;  7 import org.apache.hadoop.io.LongWritable;  8 import org.apache.hadoop.io.Text;  9 import org.apache.hadoop.mapreduce.Job; 10 import org.apache.hadoop.mapreduce.Mapper; 11 import org.apache.hadoop.mapreduce.Reducer; 12 import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; 13 import org.apache.hadoop.mapreduce.lib.input.TextInputFormat; 14 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; 15 import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat; 16  17 public class WordCountApp { 18     static final String INPUT_PATH = "hdfs://chaoren:9000/hello"; 19     static final String OUT_PATH = "hdfs://chaoren:9000/out"; 20  21     public static void main(String[] args) throws Exception { 22         Configuration conf = new Configuration(); 23         FileSystem fileSystem = FileSystem.get(new URI(INPUT_PATH), conf); 24         Path outPath = new Path(OUT_PATH); 25         if (fileSystem.exists(outPath)) { 26             fileSystem.delete(outPath, true); 27         } 28  29         Job job = new Job(conf, WordCountApp.class.getSimpleName()); 30  31         // 1.1指定读取的文件位于哪里 32         FileInputFormat.setInputPaths(job, INPUT_PATH); 33         // 指定如何对输入的文件进行格式化，把输入文件每一行解析成键值对 34         //job.setInputFormatClass(TextInputFormat.class); 35  36         // 1.2指定自定义的map类 37         job.setMapperClass(MyMapper.class); 38         // map输出的<k,v>类型。如果<k3,v3>的类型与<k2,v2>类型一致，则可以省略 39         //job.setOutputKeyClass(Text.class); 40         //job.setOutputValueClass(LongWritable.class); 41  42         // 1.3分区 43         //job.setPartitionerClass(org.apache.hadoop.mapreduce.lib.partition.HashPartitioner.class); 44         // 有一个reduce任务运行 45         //job.setNumReduceTasks(1); 46  47         // 1.4排序、分组 48  49         // 1.5归约 50  51         // 2.2指定自定义reduce类 52         job.setReducerClass(MyReducer.class); 53         // 指定reduce的输出类型 54         job.setOutputKeyClass(Text.class); 55         job.setOutputValueClass(LongWritable.class); 56  57         // 2.3指定写出到哪里 58         FileOutputFormat.setOutputPath(job, outPath); 59         // 指定输出文件的格式化类 60         //job.setOutputFormatClass(TextOutputFormat.class); 61  62         // 把job提交给jobtracker运行 63         job.waitForCompletion(true); 64     } 65  66     /** 67      *  68      * KEYIN     即K1     表示行的偏移量  69      * VALUEIN     即V1     表示行文本内容  70      * KEYOUT     即K2     表示行中出现的单词  71      * VALUEOUT 即V2        表示行中出现的单词的次数，固定值1 72      *  73      */ 74     static class MyMapper extends 75             Mapper<LongWritable, Text, Text, LongWritable> { 76         protected void map(LongWritable k1, Text v1, Context context) 77                 throws java.io.IOException, InterruptedException { 78             String[] splited = v1.toString().split("\t"); 79             for (String word : splited) { 80                 context.write(new Text(word), new LongWritable(1)); 81             } 82         }; 83     } 84  85     /** 86      * KEYIN     即K2     表示行中出现的单词  87      * VALUEIN     即V2     表示出现的单词的次数  88      * KEYOUT     即K3     表示行中出现的不同单词 89      * VALUEOUT 即V3     表示行中出现的不同单词的总次数 90      */ 91     static class MyReducer extends 92             Reducer<Text, LongWritable, Text, LongWritable> { 93         protected void reduce(Text k2, java.lang.Iterable<LongWritable> v2s, 94                 Context ctx) throws java.io.IOException, 95                 InterruptedException { 96             long times = 0L; 97             for (LongWritable count : v2s) { 98                 times += count.get(); 99             }100             ctx.write(k2, new LongWritable(times));101         };102     }103 }

3、运行成功后，可以在Linux中查看操作的结果

阅读全文

0 0