woshiliufeng-CSDN博客

原创 Hadoop中必须配置hostname的源码分析

搭建Hadoop的时候必须配置两个文件：/etc/sysconfig/network和/etc/hosts/etc/sysconfig/network的作用是设定机器的hostname/etc/hosts的作用是主机名与ip地址的匹配，如果没有DNS服务器的话，系统上的所有网络程序都通过查询该文件解析主机名对应的ip地址在Hadoop中，各个结点先通过getLocalHost()读

2016-03-24 14:14:21 3201

原创 MessagePack Java的使用

MessagePack是一个高效的二进制序列化格式。它让你像JSON一样可以在各种语言之间交换数据。但是它比JSON更快、更小。使用Maven添加MessagePack的依赖：org.msgpackmsgpack${msgpack.version}在本篇文章中使用的版本为0.6.6首先创建一个实体类UserInfo（注意对类加上Message注解）imp

2015-12-02 21:49:10 10217 3

原创详解Java中的ThreadLocal、ThreadLocalMap和Thread之间的关系

每个ThreadLocal实例都有一个唯一的threadLocalHashCode（这个值将会用于在ThreadLocalMap中找到ThreadLocal对应的value值），它是通过静态变量nextHashCode和HASH_INCREMENT进行计算的，其中nextHashCode 和HASH_INCREMENT 的定义如下private static AtomicInteger nex

2015-11-18 02:49:49 7566 2

原创 Hadoop 2.X中的依赖Job

需要注意的是：JobControl类实现了Runnable接口，因此需要用一个Thread实例start启动它，不能直接用run方法具体代码片段见下面：@Overridepublic int run(String[] arg0) throws Exception {JobConf jobConfMediate = new JobConf(getConf(), TudouEpisod

2015-08-11 16:51:37 627

原创 Hadoop中的序列化：自定义value类型

NullWritable序列化不包含任何字符，仅仅相当于个占位符，在使用mapreduce时，key或者value在无需使用时，可以定义为NullWritablehadoop的value类型只需实现Writable接口，key类型需要实现WritableComparable接口自定义对象中有String字段时dataOutput.writeUTF(对象)用Text.writeStrin

2015-08-11 15:53:18 790

原创 maven中添加bundle类型的依赖包

众所周知，bundle是OSGI中的依赖单元，是一种特殊格式的jar，但我们同样可以在maven中使用bundle类型的依赖包，在maven中依赖bundle类型的包，需要加入处理bundle类型的插件，在pom.xml文件中添加如下的代码即可org.apache.felix maven-bundle-plugin true 这样我

2015-02-04 17:07:59 9152

原创手动更新maven的central repository（亲测有效）

本文的操作在ubuntu 12.04系统下亲测有效，大家请放心使用，有什么问题可以讨论由于网络的问题，我们在线更新maven的central repository时，经常出错，因此就需要手动更新索引首先下载文件nexus-maven-repository-index.gz和nexus-maven-repository-index.properties（下载地址是http://pan.bai

2015-01-26 16:58:57 12216

原创 partitioner得到对应的reduce

我们知道每条数据在经过Map端的处理之后都会一个对应的partition号，从而被copy到指定号的Reduce中partition区分得到对应的reducer号：collector.collect(key,value, partitioner.getPartition(key, value, partitions))其中partitions的值这么得到：partitions = jobC

2014-10-27 09:00:19 598

原创 MapReduce中跨InputSplit数据的处理

LineRecordReader类的分析InputSplit只是一个逻辑概念，每个InputSplit并没有对文件进行实际的切割，只是记录了要处理的数据的位置，首先说明InputSplit的生成：一、bytesRemaining = length，length为文件的大小，bytesRemaining初始化的值为文件的大小二、生成blockIndex，blkIndex =getBloc

2014-10-10 08:43:02 924

原创 Map数量的修改-computeSplitSize

Class JobSubmittersubmitJobInternal(Jobjob, Cluster cluster)int maps = writeSplits(job,submitJobDir) private int writeSplits(org.apache.hadoop.mapreduce.JobContextjob, Path jobSubmitDi

2014-09-11 16:50:24 648

原创 job.waitForCompletion的具体流程

Job运行是通过job.waitForCompletion(true)，true表示将运行进度等信息及时输出给用户，false的话只是等待作业结束Job对象有两种状态：DEFINE和RUNNING，是通过JobState枚举类定义的public static enum JobState {DEFINE,RUNNING}当一个对象创建时，state状态被声明为DEFINEpr

2014-08-27 17:34:38 19336 2

原创 Mapper中map方法下context.write的流程与代码详解

本文的分析基于Hadoop 2.4.0版本Mapper abstract class Context implements MapContext（接口）Reducer的abstract class Context implements ReduceContext（接口）MapContext和ReduceContext都是extends TaskInputOutputCont

2014-08-22 19:46:57 13463 2