MapReduce 的进一步了解（一）

1、map任务处理

1.1读取输入文件内容，接卸成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。

1.2写自己的逻辑，对输入的key、value处理，转换成新的key、value输出。

1.3对输出的key、value进行分区。

1.4对不同分区的数据，按照key进行排序、分区。相同key的value放到一个集合中。

1.5（可选）分组后的数据进行归纳。

2、reduce任务处理

2.1对多个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。

2.2对多个map任务的输出进行合并、排序。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。

2.3把reduce的输出保存到文件中。

===================================================================================

3、worldcount案例应用

/*
 * 1、分析业务逻辑，确定输入输出数据的样式
 * 2、自定义一个类，这个类要继承mapper，重写map方法，实现具体业务逻辑，然后将新的key，value输出
 * 3、自顶一个各类，这个类要继承reducer，重写reduce方法，实现具体业务逻辑，然后将新的key,value输出
 * 4、将自定义的mapper和reducer通过job对象组装起来
 */

map方法

package cn.intcast.hadoop.mr;import java.io.IOException;import org.apache.hadoop.io.LongWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Mapper;public class WCMapper extends Mapper<LongWritable, Text , Text, LongWritable>{//重写map方法 shift+alt+s//注意序列化机制，jdk和hadoop中的序列化是不一样的，这里应采用hadoop中的类LongWritable,对应long；Text对应String@Overrideprotected void map(LongWritable key, Text value, Context context)throws IOException, InterruptedException { //接收数据V1String line = value.toString();//切分数据String[] words = line.split(" ");//循环for(String w:words){//出现一次，记录一次输出context.write(new Text(w), new LongWritable(1));}}    }

reduce函数

package cn.intcast.hadoop.mr;import java.io.IOException;import org.apache.hadoop.io.LongWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Reducer;public class WCReducer extends Reducer<Text, LongWritable, Text, LongWritable> {@Overrideprotected void reduce(Text k2, Iterable<LongWritable> v2s, Context context)throws IOException, InterruptedException {//接收数据Text k3 = k2;//定义一个计数器long counter = 0;//循环v2sfor(LongWritable i : v2s){counter += i.get();}//输出context.write(k3, new LongWritable(counter));}}

WorldCount主函数

package cn.intcast.hadoop.mr;import java.io.IOException;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.Path;import org.apache.hadoop.io.LongWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Job;import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;public class WorldCount {public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {    //构建一个job对象Job job = Job.getInstance(new Configuration());//注意：main方法所在的类job.setJarByClass(WorldCount.class);//组装map和reduce方法//设置mapper相关属性job.setMapperClass(WCMapper.class);job.setMapOutputKeyClass(Text.class);job.setMapOutputValueClass(LongWritable.class);FileInputFormat.setInputPaths(job, new Path("/user/guest/words.txt"));//设置reducer相关属性job.setReducerClass(WCReducer.class);job.setOutputKeyClass(Text.class);job.setOutputValueClass(LongWritable.class);FileOutputFormat.setOutputPath(job, new Path("/wcout0804"));job.waitForCompletion(true);}}