Hadoop实战(四) 编写MR程序
正文之前,先放出本章重点概括:
一、MR程序框架
MyJob类,内含–
1.Mapper和Reducer作为内部类
2.run()作为driver,以实例化和配置作业
二、Hadoop Streaming
使用Unix中的流域程序进行交互
三、MR框架扩展
Combiner:解决shuffle任务过于繁重、数据倾斜(数据非均匀分布,某些reducer任务重)等问题。
样例数据集
1. 下载数据集
- Address: http://www.nber.org/patents/
- wget http://www.nber.org/patents/acite75_99.zip
- wget wget http://www.nber.org/patents/apat63_99.zip
- 解压: unzip acite75_99.zip
- 上传到hdfs: hadoop fs -copyFromLocal ./cite75_99.txt /wttttt/chap4