一步一步学习hadoop(三)
来源:互联网 发布:淘宝网一摩托车头盔 编辑:程序博客网 时间:2024/04/25 05:03
学东西都是从例子开始是最好的,从hadoop的一个简单的mapreduce作业开始
这个例子非常简单,读取输入的文件,统计所有文件里的单词的出现次数。
下面分析一下这段代码,阐述hadoop的基础的作业定制步骤。
hadoop的作业定制由三个基本步骤(以后还会介绍更加高级的定制,hadoop设计非常灵活,可以在作业的各个部分插入自己的代码,实现自己的个性化定制,这些都是后话,留待以后介绍)
1.实现map函数,将要分析的数据解析为自己想要的格式。map函数的输入是key/value对,设为k1,v1,map函数的输出也是key/value对设为k2,v2。k1,v1和k2,v2可以是各种hadoop预定义的类型或者自己实现的类型。
该例子中是TokenizerMapper,将Object/Text输入值解析为单词/1的键值对,然后使用context保存为map的输出
2.实现reduce函数,将多个mapper汇集的同一个键值的values进行合并处理,该例子中的IntSumReducer实现对多个mapper传过来的同一个单词的出现次数进行求和,得出一个单词的总出现次数。
3.作业配置和运行。
创建作业对象job,
设置该作业的运行类,这里是WordCount.class,
设置mapper类,
设置reducer类,
设置输出键类型,
设置输出值类型(如果mapper的输出键值类型和reducer的输出键值对应不上则需设置mapper的输出键值类型)
设置作业处理的输入文件
设置作业输出结果的保存目录(该目录必须在hdfs系统中不存在,存在的话作业不会运行)
运行作业
4.将程序打包为jar格式,然后使用hadoop jar命令运行程序
这里只是给大家一个基本的hadoop的mapredu程序的直观印象,马上开始深入hadoop的体系架构,介绍hadoop的mapreduce的工作原理。
import java.io.IOException;import java.util.StringTokenizer;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.Path;import org.apache.hadoop.io.IntWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Job;import org.apache.hadoop.mapreduce.Mapper;import org.apache.hadoop.mapreduce.Reducer;import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;import org.apache.hadoop.util.GenericOptionsParser;public class WordCount { public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable>{ private final static IntWritable one = new IntWritable(1); private Text word = new Text(); public void map(Object key, Text value, Context context ) throws IOException, InterruptedException { StringTokenizer itr = new StringTokenizer(value.toString()); while (itr.hasMoreTokens()) { word.set(itr.nextToken()); context.write(word, one); } } } public static class IntSumReducer extends Reducer<Text,IntWritable,Text,IntWritable> { private IntWritable result = new IntWritable(); public void reduce(Text key, Iterable<IntWritable> values, Context context ) throws IOException, InterruptedException { int sum = 0; for (IntWritable val : values) { sum += val.get(); } result.set(sum); context.write(key, result); } } public static void main(String[] args) throws Exception { Configuration conf = new Configuration(); String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs(); if (otherArgs.length != 2) { System.err.println("Usage: wordcount <in> <out>"); System.exit(2); } Job job = new Job(conf, "word count"); job.setJarByClass(WordCount.class); job.setMapperClass(TokenizerMapper.class); job.setReducerClass(IntSumReducer.class); job.setOutputKeyClass(Text.class); job.setOutputValueClass(IntWritable.class); FileInputFormat.addInputPath(job, new Path(otherArgs[0])); FileOutputFormat.setOutputPath(job, new Path(otherArgs[1])); System.exit(job.waitForCompletion(true) ? 0 : 1); }}
这个例子非常简单,读取输入的文件,统计所有文件里的单词的出现次数。
下面分析一下这段代码,阐述hadoop的基础的作业定制步骤。
hadoop的作业定制由三个基本步骤(以后还会介绍更加高级的定制,hadoop设计非常灵活,可以在作业的各个部分插入自己的代码,实现自己的个性化定制,这些都是后话,留待以后介绍)
1.实现map函数,将要分析的数据解析为自己想要的格式。map函数的输入是key/value对,设为k1,v1,map函数的输出也是key/value对设为k2,v2。k1,v1和k2,v2可以是各种hadoop预定义的类型或者自己实现的类型。
该例子中是TokenizerMapper,将Object/Text输入值解析为单词/1的键值对,然后使用context保存为map的输出
2.实现reduce函数,将多个mapper汇集的同一个键值的values进行合并处理,该例子中的IntSumReducer实现对多个mapper传过来的同一个单词的出现次数进行求和,得出一个单词的总出现次数。
3.作业配置和运行。
创建作业对象job,
设置该作业的运行类,这里是WordCount.class,
设置mapper类,
设置reducer类,
设置输出键类型,
设置输出值类型(如果mapper的输出键值类型和reducer的输出键值对应不上则需设置mapper的输出键值类型)
设置作业处理的输入文件
设置作业输出结果的保存目录(该目录必须在hdfs系统中不存在,存在的话作业不会运行)
运行作业
4.将程序打包为jar格式,然后使用hadoop jar命令运行程序
这里只是给大家一个基本的hadoop的mapredu程序的直观印象,马上开始深入hadoop的体系架构,介绍hadoop的mapreduce的工作原理。
- 一步一步学习hadoop(三)
- 一步一步学习hadoop(一)
- 一步一步学习hadoop(二)
- 一步一步学习hadoop(四)
- 一步一步学习hadoop(五)
- 一步一步学习hadoop(六)
- 一步一步学习hadoop(七)
- 一步一步学习hadoop(八)
- 一步一步学习hadoop(九)
- 一步一步学习hadoop(十)
- 一步一步学习hadoop(十二)
- 一步一步学习hadoop(十一)
- Hadoop学习杂记(三)
- 一步一步循序渐进学习TP三(新手篇)
- 一步一步学习Android TV/盒子开发(三)
- 一步一步跟我学习hadoop(4)----hadoop Map/Reduce教程(1)
- 一步一步跟我学习hadoop(5)----hadoop Map/Reduce教程(2)
- 一步一步跟我学习hadoop(3)----hadoop命令手册
- 利用GoogleApi根据经纬度查询地名,和根据地名查询经纬度Java代码
- 圣殿骑士WPF企业内训资源下载
- Android 启动过程详解
- ORA-28000: the account is locked-的解决办法
- java变量指定目录下所以的文件和文件夹
- 一步一步学习hadoop(三)
- Linux系统启动引导流程
- 修改类不用重启Tomcat加载整个项目的实现方法
- java删除指定路径下所有的文件, 及该文件夹里的所有文件夹,不包括该文件夹
- EPOLL例子
- Python模块学习 ---- subprocess 创建子进程
- 中国黑客机密档案
- 从Linux内核中获取真随机数
- 删除指定文件夹下所有.php文件,如果子文件夹是空文件夹,也删除。