大数据从入门到实战 - 第3章 MapReduce基础实战，cz教你MapReduce实战操作

第1关：成绩统计：

为了完成本关任务，你需要掌握：1.什么是MapReduce，2.如何使用MapReduce进行运算。

什么是MapReduce

MapReduce是一种可用于数据处理的编程模型，我们现在设想一个场景，你接到一个任务，任务是：挖掘分析我国气象中心近年来的数据日志，该数据日志大小有3T,让你分析计算出每一年的最高气温，如果你现在只有一台计算机，如何处理呢？我想你应该会读取这些数据，并且将读取到的数据与目前的最大气温值进行比较。比较完所有的数据之后就可以得出最高气温了。不过以我们的经验都知道要处理这么多数据肯定是非常耗时的。

如果我现在给你三台机器，你会如何处理呢？看到下图你应该想到了：最好的处理方式是将这些数据切分成三块，然后分别计算处理这些数据（Map），处理完毕之后发送到一台机器上进行合并（merge），再计算合并之后的数据，归纳（reduce）并输出。

这就是一个比较完整的MapReduce的过程了。

如何使用MapReduce进行运算

我们通过一个示例，来体验Map/Reduce的使用。

我们从一个问题入手：目前我们想统计两个文本文件中，每个单词出现的次数。

首先我们在当前目录下创建两个文件：

创建file01输入内容：

1. Hello World Bye World

创建file02输入内容：

1. Hello Hadoop Goodbye Hadoop

将文件上传到HDFS的/usr/input/目录下：

不要忘了启动DFS： start-dfs.sh

然后创建文件夹并上传：

在右侧代码区域编写，文件WordCount.java，添加如下内容：

1. public class WordCount {
2. //Mapper类
3. /*LongWritable表示每一行起始偏移量
4. 第一个Text是用来接受文件中的内容，
5. 第二个Text是用来输出给Reduce类的key,
6. IntWritable是用来输出给Reduce类的value*/
7. public static class TokenizerMapper
8. extends Mapper<LongWritable, Text, Text, IntWritable>{
9. private final static IntWritable one = new IntWritable(1);
10. private Text word = new Text();
11. public void map(LongWritable key, Text value, Context context
12. ) throws IOException, InterruptedException {
13. StringTokenizer itr = new StringTokenizer(value.toString());
14. while (itr.hasMoreTokens()) {
15. word.set(itr.nextToken());
16. context.write(word, one);
17. }
18. }
19. }
20. public static class IntSumReducer
21. extends Reducer<Text,IntWritable,Text,IntWritable> {
22. private IntWritable result = new IntWritable();
23. public void reduce(Text key, Iterable<IntWritable> values,
24. Context context
25. ) throws IOException, InterruptedException {
26. int sum = 0;
27. for (IntWritable val : values) {
28. sum += val.get();
29. }
30. result.set(sum);
31. context.write(key, result);
32. }
33. }
34. public static void main(String[] args) throws Exception {
35. //创建配置对象
36. Configuration conf = new Configuration();
37. //创建job对象
38. Job job = new Job(conf, "word count");
39. //设置运行job的类
40. job.setJarByClass(WordCount.class);
41. //设置Mapper的类
42. job.setMapperClass(TokenizerMapper.class);
43. //设置Reduce的类
44. job.setReducerClass(IntSumReducer.class);
45. //设置输出的key value格式
46. job.setOutputKeyClass(Text.class);
47. job.setOutputValueClass(IntWritable.class);
48. //设置输入路径
49. String inputfile = "/usr/input";
50. //设置输出路径
51. String outputFile = "/usr/output";
52. //执行输入
53. FileInputFormat.addInputPath(job, new Path(inputfile));
54. //执行输出
55. FileOutputFormat.setOutputPath(job, new Path(outputFile));
56. //是否运行成功，true输出0，false输出1
57. System.exit(job.waitForCompletion(true) ? 0 : 1);
58. }
59. }

点击评测，运行代码，可以看到/usr/output目录下已经生成了文件。

我们来查看part--r-00000文件的内容：

可以看到统计的数据已经生成在文件中了。

如果你还想要运行一次，那么你需要删除输出路径的文件夹和文件。

代码解释

示例中，Map/Reduce程序总共分为三块即：Map，Recude，Job，Map负责处理输入文件的内容。