第一个完整的Map/Reduce小程序

最新推荐文章于 2022-07-06 16:21:06 发布

a793408199

最新推荐文章于 2022-07-06 16:21:06 发布

阅读量320

点赞数

分类专栏： hadoop 文章标签： hadoop Map/Reduce

hadoop 专栏收录该内容

16 篇文章 0 订阅

订阅专栏

从在自己的win7下面装好虚拟机，然后在虚拟机上面安装hadoop，然后再安装hadoop-eclipse插件，过去好像有一个星期了，之前装虚拟机和hadoop都没成功，上个星期解除了封印，一口气把hadoop学习前期的所有的东西都搞定了，接下来就是遥遥无期的hadoop之路。希望自己能坚持下去。

今天按着别人的思路在win7下面的eclipse里面敲了算是处女作的Map/Reduce程序，虽然很简单，但是自己还是一步一步的走通了，因为hadoop是安装在虚拟机上的，但是eclipse是在win7下面，所以在中间运行的时候会有一系列的错误，昨天晚上把遇到的问题百度的百度，问神的问神，烧香的烧香，基本上都解决了，现在能把程序跑起来，感觉自己的熬夜什么的都没有白费

下面把一个完整的Map/Reduce程序贴出来，算是一个开始，也是一个纪念嘛！

问题描述：

先上数据：

13599999999 10086

13899999999 120

13944444444 110

13722222222 110

18800000000 120

13722222222 10086

18944444444 10086

要求是把拨打过同一个电话的电话输出来比如：

110 13944444444,13722222222

接下来就是Map/Reduce函数，Map函数将每一行数据读入，然后进行分割，分割成<key,value>的格式上面的key相当于110，value相当于13944444444，也就是数据前面的是value，后面的是key,代码如下：

public static class Map extends Mapper<LongWritable, Text, Text, Text> {

		public void map(LongWritable key, Text value, Context context)
				throws IOException, InterruptedException {

			String line = value.toString(); // 读取源数据

			try {
				// 数据处理
				String[] lineSplit = line.split(" "); // 将数据分割
				String anum = lineSplit[0];
				String bnum = lineSplit[1];

				context.write(new Text(bnum), new Text(anum)); // 输出

			} catch (java.lang.ArrayIndexOutOfBoundsException e) {
				context.getCounter(Counter.LINESKIT).increment(1); // 出错令计数器加1
				return;
			}

		}

	}

接下就是Reduce类，Reduce类要做的就是把从Map传入来的数据进行整合，将Map中具有相同key值的value 进行迭代，代码如下（需要知道的是，Map函数的输出也就是Reduce函数的输入，所以在写里面的reduce函数的时候要注意参数的类型要和上面Map的输出值的类型相对应）：

public static class Reduce extends Reducer<Text, Text, Text, Text> {
		
		//Iterable<> 使用一个迭代器将数据保存起来
		public void reduce(Text key,Iterable<Text> values,Context context) throws IOException, InterruptedException {
			String valueString;
			String out = "";
			
			for(Text value : values) {
				valueString = value.toString();
				out += valueString+",";
			}
			
			context.write(key, new Text(out));
		}
	}

接下来就是贴出整个程序，里面有个枚举是用来记录数据错误的时候进行一个计数，还有一个run方法是重写了主类实现的接口的方法，每个Map/Reduce程序里面run方法里面书写的套路基本上都是一样的，main方法里面书写的套路基本上也都是一样的，只要改一下主类的名字就可以了

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
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.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;

public class Test_2 extends Configured implements Tool {
	enum Counter {
		LINESKIT, // 出错的行
	}

	public static class Map extends Mapper<LongWritable, Text, Text, Text> {

		public void map(LongWritable key, Text value, Context context)
				throws IOException, InterruptedException {

			String line = value.toString(); // 读取源数据

			try {
				// 数据处理
				String[] lineSplit = line.split(" "); // 将数据分割
				String anum = lineSplit[0];
				String bnum = lineSplit[1];

				context.write(new Text(bnum), new Text(anum)); // 输出

			} catch (java.lang.ArrayIndexOutOfBoundsException e) {
				context.getCounter(Counter.LINESKIT).increment(1); // 出错令计数器加1
				return;
			}

		}

	}
	
	public static class Reduce extends Reducer<Text, Text, Text, Text> {
		
		//Iterable<> 使用一个迭代器将数据保存起来
		public void reduce(Text key,Iterable<Text> values,Context context) throws IOException, InterruptedException {
			String valueString;
			String out = "";
			
			for(Text value : values) {
				valueString = value.toString();
				out += valueString+",";
			}
			
			context.write(key, new Text(out));
		}
	}

	@Override
	public int run(String[] args) throws Exception {
		Configuration conf =getConf();
		
		Job job = new Job(conf,"Test_2");    //任务名：主类的名字
		job.setJarByClass(Test_2.class);        //指定class
		
		FileInputFormat.addInputPath(job, new Path(args[0]));   //指定输入路径
		FileOutputFormat.setOutputPath(job, new Path(args[1]));  //指定输出路径
		
		job.setMapperClass(Map.class);    //调用上面的Map类作为Map任务代码
		job.setReducerClass(Reduce.class);   //调用上面的Reduce类做为Reduce任务代码
		
		job.setOutputFormatClass(TextOutputFormat.class);
		
		job.setOutputKeyClass(Text.class);    //指定输出的key的格式
		job.setOutputValueClass(Text.class);    //指定输出的value的格式
		
		job.waitForCompletion(true);
		
		return job.isSuccessful()?1:0;
	}
	
	public static void main(String[] args) throws Exception {
		//main 方法运行
		int res = ToolRunner.run(new Configuration(),new Test_2(),args);
		System.exit(res);
	}
	
}

传好数据，

做好配置：在项目上右键，选择Run as 下面的 Run connfigruations,前面的Main填上项目的名字，然后填上主类的名字，接下来的Arguments写上linux下面hdfs中存放文件的路径和输出结果的路径，最后点击Apply 然后点击run

运行结果：刷新右边DFS Locations 下面的root目录，下面就出现了你在上一步Arguments处填写的输出目录，需要注意的是运行前要保证 root目录下面的没有和你在Argments填写时同名的输出结果的目录，

双击我们的输出目录下面的part-r-00000，就可以看到我们想要的结果了：

细心的数一下，我们的数据是不是少了一条，原因是我们给的数据上面的格式不对，仔细看上面的的第二条数据，可以知道中间不是只空了一个空格，所以这一条数据就被跳过了。

心得：写完第一个Map/Reduce函数，之前也看过几个，感觉模式基本上是一样的，需要记得的就是Map函数的输出结果是Reduce函数的输入，因此在写Map方法和Reduce方法的时候就要注意里面的参数的类型要保持一致，否则会出错，其他的就基本上按照套路来就可以了，按照不同的需求写出不同的方法，模板就感觉只有一个。