MapReduce编程

1.       MapReduce编程模型

     一种分布式计算模型框架，解决海量数据的计算问题。

     MapReduce将整个并行计算过程抽象到两个函数：

1)       Map（映射）：对一些独立元素组成的列表的每一个元素进行指定的操作，可以高度并行；

2)       Reduce（化简）：对一个列表的元素进行合并；

一个简单的MapReduce程序只要制定map()、reduce()、input和output，剩下的事由框架完成。

适合用 MapReduce 来处理的数据集(或任务)有一个基本要求：待处理的数据集可以分解成许多小的数据集，而且每一个小数据集都可以完全并行地进行处理。

Job：用户的每一个计算请求；

Task：拆分出来的执行的单位；

2.       MapReduce编程

Map阶段：

1)       输入数据格式的解析，InputFormat;

2)       输入数据处理，Mapper;

3)       数据分组（map函数处理以后的结果数据），Partitioner

Reduce阶段：

1)       数据远程拷贝

2)       数据按照key进行排序

3)       数据处理，reduce函数

4)       数据输出格式（reduce函数处理以后得结果数据），OutputFormat

package org.dragon.hadoop.mr;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.LongWritable;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;/** * MapReduce书写例子 wordcount */public class WordCount {//Mapper 区域/*  *  KEYIN : 输入Key类型 * VALUEIN ：输入value类型 * KEYOUT : 输出key类型  * VALUEOUT ： 输出value类型 *//* *  wordcount 程序 map类 */static class MyMapper extends Mapper<LongWritable, Text, Text, IntWritable>{private final static IntWritable one = new IntWritable(1);private Text word = new Text();@Overrideprotected void map(LongWritable key, Text value,Mapper<LongWritable, Text, Text, IntWritable>.Context context)throws IOException, InterruptedException {//获取每行数据的值String lineValue = value.toString();//进行分割StringTokenizer stringTokenizer = new StringTokenizer(lineValue);while(stringTokenizer.hasMoreTokens()){String wordValue = stringTokenizer.nextToken();//设置map 输出的key值word.set(wordValue);//上下文输出map的key值和value值context.write(word, one); } //end while }}//Reducer 区域/* * wordcount 程序 reduce 类 */static class MyReducer extends Reducer<Text, IntWritable, Text, IntWritable>{private IntWritable result = new IntWritable();@Overrideprotected void reduce(Text key, Iterable<IntWritable> values,Reducer<Text, IntWritable, Text, IntWritable>.Context context)throws IOException, InterruptedException {int sum = 0 ;for(IntWritable value:values){sum += value.get();}result.set(sum);context.write(key, result); } }//客户端public static void main(String[] args) throws Exception {Configuration configuration = new Configuration();Job job = new Job(configuration,"wc");//1、设置job运行的类job.setJarByClass(WordCount.class);//2、设置Mapper 和 Reduceer 类job.setMapperClass(MyMapper.class);job.setReducerClass(MyReducer.class);//3、设置输入文件的目录和输出文件的目录FileInputFormat.addInputPath(job, new Path(args[0]));FileOutputFormat.setOutputPath(job, new Path(args[1]));//4、设置输出结果key 和 value 的类型job.setOutputKeyClass(Text.class);job.setOutputValueClass(IntWritable.class); //5、提交job，等待运行结果，并在客户端显示客户端运行信息boolean isSuccess = job.waitForCompletion(true);//6、结束程序System.exit(isSuccess ? 0:1); }}