一脸懵逼学习MapReduce的原理和编程（Map局部处理，Reduce汇总）

1：MapReduce的概述：

　　（1）：MapReduce是一种分布式计算模型，由Google提出，主要用于搜索领域，解决海量数据的计算问题.
　　（2）：MapReduce由两个阶段组成：Map和Reduce，用户只需要实现map()和reduce()两个函数，即可实现分布式计算，非常简单。
　　（3）：这两个函数的形参是key、value对，表示函数的输入信息。

2：MapReduce执行步骤：

　　（1）： map任务处理

　　　　（a）:读取输入文件内容，解析成key、value对。对输入文件的每一行，解析成key、value对。每一个键值对调用一次map函数。
　　　　（b）:写自己的逻辑，对输入的key、value处理，转换成新的key、value输出。
　　（2）reduce任务处理

　　　　（a）在reduce之前，有一个shuffle的过程对多个map任务的输出进行合并、排序。
　　　　（b）写reduce函数自己的逻辑，对输入的key、value处理，转换成新的key、value输出。
　　　　（c）把reduce的输出保存到文件中。
　　　　　　 例子：实现WordCountApp
3：map、reduce键值对格式：

 4：MapReduce流程：
　　（1）代码编写
　　（2）作业配置
　　（3）提交作业
　　（4）初始化作业
　　（5）分配任务
　　（6）执行任务
　　（7）更新任务和状态
　　（8）完成作业

---

5：MapReduce介绍及wordcount和wordcount的编写和提交集群运行的案例：

WcMap类进行单词的局部处理：

 1 package com.mapreduce; 2  3  4 import java.io.IOException; 5  6 import org.apache.commons.lang.StringUtils; 7 import org.apache.hadoop.io.LongWritable; 8 import org.apache.hadoop.io.Text; 9 import org.apache.hadoop.mapreduce.Mapper;10 11 /***12  * 13  * @author Administrator14  * 1：4个泛型中，前两个是指定mapper输入数据的类型，KEYIN是输入的key的类型，VALUEIN是输入的value的值15  *       KEYOUT是输入的key的类型，VALUEOUT是输入的value的值 16  * 2：map和reduce的数据输入和输出都是以key-value的形式封装的。17  * 3：默认情况下，框架传递给我们的mapper的输入数据中，key是要处理的文本中一行的起始偏移量，这一行的内容作为value18  * 4：key-value数据是在网络中进行传递，节点和节点之间互相传递，在网络之间传输就需要序列化，但是jdk自己的序列化很冗余19  *    所以使用hadoop自己封装的数据类型，而不要使用jdk自己封装的数据类型；20  *    Long--->LongWritable21  *    String--->Text    22  */23 public class WcMap extends Mapper<LongWritable, Text, Text, LongWritable>{24 25     //重写map这个方法26     //mapreduce框架每读一行数据就调用一次该方法27     @Override28     protected void map(LongWritable key, Text value, Context context)29             throws IOException, InterruptedException {30         //具体业务逻辑就写在这个方法体中，而且我们业务要处理的数据已经被框架传递进来，在方法的参数中key-value31         //key是这一行数据的起始偏移量，value是这一行的文本内容32         33         //1:切分单词,首先拿到单词value的值,转化为String类型的34         String str = value.toString();35         //2:切分单词,空格隔开,返回切分开的单词36         String[] words = StringUtils.split(str," ");37         //3:遍历这个单词数组，输出为key-value的格式，将单词发送给reduce38         for(String word : words){39             //输出的key是Text类型的，value是LongWritable类型的40             context.write(new Text(word), new LongWritable(1));41         }42         43         44     }45 }

WcReduce进行单词的计数处理：

 1 package com.mapreduce; 2  3 import java.io.IOException; 4  5 import org.apache.hadoop.io.LongWritable; 6 import org.apache.hadoop.io.Text; 7 import org.apache.hadoop.mapreduce.Reducer; 8  9 /***10  * 11  * @author Administrator12  * 1:reduce的四个参数，第一个key-value是map的输出作为reduce的输入,第二个key-value是输出单词和次数，所以13  *      是Text,LongWritable的格式；14  */15 public class WcReduce extends Reducer<Text, LongWritable, Text, LongWritable>{16 17     //继承Reducer之后重写reduce方法18     //第一个参数是key，第二个参数是集合。19     //框架在map处理完成之后，将所有key-value对缓存起来，进行分组，然后传递一个组<key,valus{}>，调用一次reduce方法20     //<hello,{1,1,1,1,1,1.....}>21     @Override22     protected void reduce(Text key, Iterable<LongWritable> values,Context context) 23             throws IOException, InterruptedException {24         //将values进行累加操作，进行计数25         long count = 0;26         //遍历value的list，进行累加求和27         for(LongWritable value : values){28             29             count += value.get();30         }31         32         //输出这一个单词的统计结果33         //输出放到hdfs的某一个目录上面，输入也是在hdfs的某一个目录34         context.write(key, new LongWritable(count));35     }36     37     38 }

WcRunner用来描述一个特定的作业

 1 package com.mapreduce; 2  3 import java.io.IOException; 4  5 import org.apache.hadoop.conf.Configuration; 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.lib.input.FileInputFormat;11 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;12 13 14 /***15  * 1:用来描述一个特定的作业16  *       比如,该作业使用哪个类作为逻辑处理中的map,那个作为reduce17  * 2:还可以指定该作业要处理的数据所在的路径18  *        还可以指定改作业输出的结果放到哪个路径19  * @author Administrator20  *21  */22 public class WcRunner {23 24     public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {25         //创建配置文件26         Configuration conf = new Configuration();27         //获取一个作业28         Job job = Job.getInstance(conf);29         30         //设置整个job所用的那些类在哪个jar包31         job.setJarByClass(WcRunner.class);32         33         //本job使用的mapper和reducer的类34         job.setMapperClass(WcMap.class);35         job.setReducerClass(WcReduce.class);36         37         //指定reduce的输出数据key-value类型38         job.setOutputKeyClass(Text.class);39         job.setOutputValueClass(LongWritable.class);40         41         42         //指定mapper的输出数据key-value类型43         job.setMapOutputKeyClass(Text.class);44         job.setMapOutputValueClass(LongWritable.class);45         46         //指定要处理的输入数据存放路径47         FileInputFormat.setInputPaths(job, new Path("hdfs://master:9000/wc/srcdata"));48         49         //指定处理结果的输出数据存放路径50         FileOutputFormat.setOutputPath(job, new Path("hdfs://master:9000/wc/output"));51         52         //将job提交给集群运行 53         job.waitForCompletion(true);54     }55     56 }

书写好上面的三个类以后打成jar包上传到虚拟机上面进行运行：

然后启动你的hadoop集群：start-dfs.sh和start-yarn.sh启动集群；然后将jar分发到节点上面进行运行；

之前先造一些数据，如下所示：

内容自己随便搞吧：

 然后上传到hadoop集群上面，首选创建目录，存放测试数据，将数据上传到创建的目录即可；但是输出目录不需要手动创建，会自动创建，自己创建会报错：

然后将jar分发到节点上面进行运行；命令格式如hadoop    jar   自己的jar包   主类的路径

 正常性运行完过后可以查看一下运行的效果：

6：MapReduce的本地模式运行如下所示（本地运行需要修改输入数据存放路径和输出数据存放路径）：

 1 package com.mapreduce; 2  3 import java.io.IOException; 4  5 import org.apache.hadoop.conf.Configuration; 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.lib.input.FileInputFormat;11 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;12 13 14 /***15  * 1:用来描述一个特定的作业16  *       比如,该作业使用哪个类作为逻辑处理中的map,那个作为reduce17  * 2:还可以指定该作业要处理的数据所在的路径18  *        还可以指定改作业输出的结果放到哪个路径19  * @author Administrator20  *21  */22 public class WcRunner {23 24     public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {25         //创建配置文件26         Configuration conf = new Configuration();27         //获取一个作业28         Job job = Job.getInstance(conf);29         30         //设置整个job所用的那些类在哪个jar包31         job.setJarByClass(WcRunner.class);32         33         //本job使用的mapper和reducer的类34         job.setMapperClass(WcMap.class);35         job.setReducerClass(WcReduce.class);36         37         //指定reduce的输出数据key-value类型38         job.setOutputKeyClass(Text.class);39         job.setOutputValueClass(LongWritable.class);40         41         42         //指定mapper的输出数据key-value类型43         job.setMapOutputKeyClass(Text.class);44         job.setMapOutputValueClass(LongWritable.class);45         46         //指定要处理的输入数据存放路径47         //FileInputFormat.setInputPaths(job, new Path("hdfs://master:9000/wc/srcdata/"));48         FileInputFormat.setInputPaths(job, new Path("d:/wc/srcdata/"));49         50         51         //指定处理结果的输出数据存放路径52         //FileOutputFormat.setOutputPath(job, new Path("hdfs://master:9000/wc/output/"));53         FileOutputFormat.setOutputPath(job, new Path("d:/wc/output/"));54         55         56         //将job提交给集群运行 57         job.waitForCompletion(true);58     }59     60 }

然后去自己定义的盘里面创建文件夹即可：

然后直接运行出现下面的错误：

log4j:WARN No appenders could be found for logger (org.apache.hadoop.metrics2.lib.MutableMetricsFactory).
log4j:WARN Please initialize the log4j system properly.
log4j:WARN See http://logging.apache.org/log4j/1.2/faq.html#noconfig for more info.
Exception in thread "main" java.io.IOException: Cannot initialize Cluster. Please check your configuration for mapreduce.framework.name and the correspond server addresses.
    at org.apache.hadoop.mapreduce.Cluster.initialize(Cluster.java:120)
    at org.apache.hadoop.mapreduce.Cluster.<init>(Cluster.java:82)
    at org.apache.hadoop.mapreduce.Cluster.<init>(Cluster.java:75)
    at org.apache.hadoop.mapreduce.Job$9.run(Job.java:1255)
    at org.apache.hadoop.mapreduce.Job$9.run(Job.java:1251)
    at java.security.AccessController.doPrivileged(Native Method)
    at javax.security.auth.Subject.doAs(Subject.java:415)
    at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1556)
    at org.apache.hadoop.mapreduce.Job.connect(Job.java:1250)
    at org.apache.hadoop.mapreduce.Job.submit(Job.java:1279)
    at org.apache.hadoop.mapreduce.Job.waitForCompletion(Job.java:1303)
    at com.mapreduce.WcRunner.main(WcRunner.java:57)

解决办法：

缺少Jar包：hadoop-mapreduce-client-common-2.2.0.jar

---

 好吧，最后还是没有实现在本地运行此运行，先在这里记一下吧。下面这个错搞不定，先做下笔记吧；

log4j:WARN No appenders could be found for logger (org.apache.hadoop.metrics2.lib.MutableMetricsFactory).
log4j:WARN Please initialize the log4j system properly.
log4j:WARN See http://logging.apache.org/log4j/1.2/faq.html#noconfig for more info.
Exception in thread "main" java.lang.IllegalArgumentException: Pathname /c:/wc/output from hdfs://master:9000/c:/wc/output is not a valid DFS filename.
    at org.apache.hadoop.hdfs.DistributedFileSystem.getPathName(DistributedFileSystem.java:194)
    at org.apache.hadoop.hdfs.DistributedFileSystem.access$000(DistributedFileSystem.java:102)
    at org.apache.hadoop.hdfs.DistributedFileSystem$17.doCall(DistributedFileSystem.java:1124)
    at org.apache.hadoop.hdfs.DistributedFileSystem$17.doCall(DistributedFileSystem.java:1120)
    at org.apache.hadoop.fs.FileSystemLinkResolver.resolve(FileSystemLinkResolver.java:81)
    at org.apache.hadoop.hdfs.DistributedFileSystem.getFileStatus(DistributedFileSystem.java:1120)
    at org.apache.hadoop.fs.FileSystem.exists(FileSystem.java:1398)
    at org.apache.hadoop.mapreduce.lib.output.FileOutputFormat.checkOutputSpecs(FileOutputFormat.java:145)
    at org.apache.hadoop.mapreduce.JobSubmitter.checkSpecs(JobSubmitter.java:458)
    at org.apache.hadoop.mapreduce.JobSubmitter.submitJobInternal(JobSubmitter.java:343)
    at org.apache.hadoop.mapreduce.Job$10.run(Job.java:1285)
    at org.apache.hadoop.mapreduce.Job$10.run(Job.java:1282)
    at java.security.AccessController.doPrivileged(Native Method)
    at javax.security.auth.Subject.doAs(Subject.java:415)
    at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1556)
    at org.apache.hadoop.mapreduce.Job.submit(Job.java:1282)
    at org.apache.hadoop.mapreduce.Job.waitForCompletion(Job.java:1303)
    at com.mapreduce.WcRunner.main(WcRunner.java:57)