为了开发MapReduce程序,一共可以分为以上八个步骤,其中每个步骤都是一个class类,通过job对象将程序组装成一个任务提交即可。为了简化MapReduce程序的开发,每一个步骤的class类,都有一个既定的父类,直接继承即可,因此可以大大简化MapReduce程序的开发难度,也可以快速的实现功能开发。
MapReduce编程当中,其中最重要的两个步骤就是Mapper类和Reducer类
1、Mapper抽象类的基本介绍
在 hadoop2.x 当中 Mapper 类是一个抽象类,工程师只想要覆写一个 java 类,继承自 Mapper 类即可,然后重写里面的一些方法,就可以实现特定的功能,接下来介绍一些 Mapper 类当中比较重要的四个方法:
- setup 方法:
Mapper 类当中的初始方法,程序中一些对象的初始化工作都可以放到这个方法里面来实现 - map 方法:
读取的每一行数据,都会来调用一次 map 方法,这个方法也是最重要的方法,可以通过这种方法来实现每一条数据的处理。 - cleanup 方法:
在整个 maptask 执行完成之后,会马上调用 cleanup 方法,整个方法主要是做一些清理工作,列如连接的断开,资源的关闭等等。 - run 方法:
如果需要更精细的控制整个 MapTask 的执行,那么可以覆写这个方法,实现对所有的 MapTask 更精确的操作控制
Reducer抽象类基本介绍
同样的道理,在hadoop2.x当中,reducer 类也是一个抽象类,抽象类允许工程师可以继承这个抽象类之后,重新覆写抽象类当中的方法,实现逻辑的自定义控制。接下来也来介绍一下 Reducer 抽象类当中的四个抽象方法:
- setup 方法:
在 ReduceTask 初始化之后马上调用,一些对象的初始化工作,可以在这个类当中实现 - reduce 方法:
所有从 MapTask 发送过来的数据,都会调用 Reduce 方法,这个方法也是 Reduce 当中最重要的方法,可以通过这个方法实现数据的处理 - cleanup 方法:
在整个 ReduceTask 执行完成之后,会马上调用 cleanup 方法,这个方法主要就是在 Reduce 阶段做一些清理工作,列如连接的断开,资源的关闭等等 - run方法:
如果需要更精细的控制整个 ReduceTask 的执行,那么可以覆写这个方法,实现对所有的 ReduceTask 更精确的操作控制