【转】组合式,迭代式,链式MR
来源:互联网 发布:dnf辅助dll源码论坛 编辑:程序博客网 时间:2024/04/27 16:53
http://www.aboutyun.com/thread-7435-1-1.html
1.迭代式mapreduce
一些复杂的任务难以用一次MapReduce处理完成,需要多次 MapReduce 才能完成任务,例如Pagrank,K-means算法都需要多次的迭代,关于 MapReduce 迭代在Mahout中运用较多。有兴趣的可以参考一下Mahout的源码。在MapReduce的迭代思想,类似for循环,前一个 MapReduce的输出结果,作为下一个 MapReduce的输入,任务完成后中间结果都可以删除。
代码示例:
关键点:
上面满眼的代码,下面列出关键代码:
第一个job的输出路径为Outpath1
FileOutputFromat.setOoutputPath(job1,Outpath1);
第二个job的输入路径为Outpath1,输出路径为Outpath2
FileInputFormat.addInputPath(job2,Outpath1);
FileOutputFromat.setOoutputPath(job2,Outpath2);
第三个job的输入路径为Outpath2
FileInputFormat.addInputPath(job3,Outpath2);
换句话说:第一个job的输出路径为第二个job的输入路径,以此类推。
上面采用的是一种直线式,那么他们能不能更省事,成为循环样式。
成为循环式,是可以的,但是有不少需要解决的问题:这里只是举例,你可能还会碰到其它问题。
1.需要他们的key,value等值是完全一致的,也就是说两个job或则说job之间必须是一致的。
2.输入输出路径需要区分等。
2.依赖关系组合式MapReduce
我们可以设想一下MapReduce有3个子任务job1,job2,job3构成,其中job1和job2相互独立,job3要在job1和job2完成之后才执行。这种关系就叫复杂数据依赖关系的组合时mapreduce。hadoop为这种组合关系提供了一种执行和控制机制,hadoop通过job和jobControl类提供具体的编程方法。Job除了维护子任务的配置信息,还维护子任务的依赖关系,而jobControl控制整个作业流程,把所有的子任务作业加入到JobControl中,执行JobControl的run()方法即可运行程序。
下面给出伪代码:
关键点:
下面代码:addDepending()这个函数,作用的是建立两个job之间的依赖关系。那么如何建立,看下面两行
建立依赖关系之后,还有一步骤,也就是还有一个类需要我们了解JobControl,通过这个类来控制他们之间的依赖关系。如何做到,通过下面代码:
3.链式MapReduce
首先看一下例子,来说明为什么要有链式MapReduce,假设在统计单词是,会出现这样的词,make,made,making等,他们都属于一个词,在单词累加的时候,都归于一个词。解决的方法为用一个单独的Mapreduce任务可以实现,单增加了多个Mapreduce作业,将增加整个作业处理的周期,还增加了I/O操作,因而处理效率不高。
一个较好的办法就是在核心的MapReduce之外,增加一个辅助的Map过程,然后将这个辅助的Map过程和核心的Mapreudce过程合并为一个链式的Mapreduce,从而完成整个作业。hadoop提供了专门的链式ChainMapper和ChainReducer来处理链式任务,ChainMapper允许一个Map任务中添加多个Map的子任务,ChainReducer可以在Reducer执行之后,在加入多个Map的子任务。其调用形式如下:
其中,ChainReducer专门提供了一个setRreducer()方法来设置整个作业唯一的Reducer。
note:这些Mapper和Reducer之间传递的键和值都必须保持一致。
下面举个例子:用ChainMapper把Map1加如并执行,然后用ChainReducer把Reduce和Map2加入到Reduce过程中。代码如下:Map1.class 要实现map方法
关键点:
链式,那么什么是链式,链式是mapreduce中存在多个map.
那么是怎么实现的?通过链式ChainMapper和ChainReducer实现。
下面为ChainMapper、ChainReducer:的具体实现。
0 0
- 【转】组合式,迭代式,链式MR
- MapReduce,组合式,迭代式,链式
- MapReduce,组合式,迭代式,链式
- MapReduce,组合式,迭代式,链式
- MapReduce,组合式,迭代式,链式
- 组合式+迭代式+链式 MapReduce
- MapReduce,组合式,迭代式,链式
- MapReduce组合式、迭代式,链式
- MapReduce,组合式,迭代式,链式
- MapReduce组合式,迭代式,链式
- MapReduce组合式,迭代式,链式
- MapReduce的组合式,迭代式,链式
- MapReduce 顺序组合, 迭代式,组合式,链式
- MapReduce 顺序组合, 迭代式,组合式,链式
- <hadoop>MapReduce的组合式,迭代式,链式
- MapReduce高级编程之mapreduce间的组合式,迭代式,链式
- 让你真正明白什么是MapReduce组合式,迭代式,链式
- 让你真正明白什么是MapReduce组合式,迭代式,链式
- ORA-03113错误分析
- MySQL数据表中记录不存在则插入,存在则更新/不操作
- Linux C 创建多级目录
- django练习——博客系统优化
- UVa 694 - The Collatz Sequence
- 【转】组合式,迭代式,链式MR
- Lesson_for_java_day19--java的多线程(多线程概念、单例设计模式、死锁)
- python for android : BeautifulSoup + ListView
- travel the binary tree by level( from top to down)
- poj 1287 Networking(prim or kruscal最小生成树)
- epoll机制在搜索引擎spider中的应用
- poj3257(Cow Roller Coaster)DP
- 盘点各种C语言写的Hello world!
- shell脚本中的$*,$@和$#