1.MapReduce简介

什么是MapReduce

MapReduce是一种编程模型，可用于数据处理的编程框架，用于大规模数据集（大于1TB）的并行运算。其中"Map（映射）"和"Reduce（归约）"，是它们的主要思想，都是从函数式编程语言里借来的，采用"分而治之"的思想，把对大规模数据集的操作，分发给一个主节点管理下的各个分节点共同完成，然后通过整合各个节点的中间结果，得到最终结果。简单地说，MapReduce就是"任务的分解与结果的汇总"。它极大地方便了编程人员在不会分布式并行编程的情况下，将自己的程序运行在分布式系统上。

 简单认识MapReduce

1、MapReduce是一种分布式计算模型，由Google提出，主要用于搜索领域，解决海量数据的计算问题。
2、MR由两个阶段组成：Map和Reduce，用户只需要实现map()和reduce()两个函数，即可实现分布式 计算。
3、这两个函数的形参是key、value对，表示函数的输入信息。

MapReduce中的名词解释

split:

分片是指MapReduce框架将数据源根据一定的规则将源数据分成若干个小数据的过程；其中，一个小数据集，也被称为一个分片。

Map:

其一、是指MapReduce框架中的Map过程，即将一个分片根据用户定义的Map逻辑处理后，经由MapReduce框架处理，形成输出结果，供后续Reduce过程使用；

其二，是指用户定义Java程序实现Mapper类的map接口的用户自定义逻辑，此时通常被称为mapper。

Reduce:

其一，是指MapReduce框架中的Reduce过程，即将Map的结果作为输入，根据用户定义的Reduce逻辑，将结果处理并汇总，输出最后的结果；

其二，是指用户定义Java程序实现Reducer类的reduce接口的用户自定义逻辑，此时通常被称为reducer。

Combiner:

Combiner是一个可由用户自定的过程，类似于Map和Reduce，MapReduce框架会在Map和Reduce过程中间调用Combiner逻辑（会在下面章节中仔细讲解），通常Combine和reduce的用户代码是一样的(也可被称为本地的reduce过程)，但并不是所有用MapReduce框架实现的算法都适合增加Combiner过程（比如求平均值）。

Partition:

在MapReduce框架中一个split对应一个map，一个partiton对应一个reduce(无partition指定时，由用户配置项指定，默认为1个）。 reduce的个数决定了输出文件的个数。比如，在需求中，数据是从对每个省汇总而成，要求计算结果按照省来存放，则需要根据源数据中的表明省的字段分区，用户自定义partition类，进行分区。

MapReduce结构流程图

MapReduce简单示例(WordCount)

package com.itcast.hadoop.mr;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
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;

public class WordCount {
	
	/**
	 * map方法：继承Mapper类，重写map方法，四个参数（输入的key，value和输出的key，value）
	 */
	public static class WordMapper extends Mapper<LongWritable, Text, Text, LongWritable> {

		@Override
		protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
			// 接受数据
			String v1 = value.toString();
			// 切分数据
			String[] words = v1.split(" ");

			for (String v : words) {
				context.write(new Text(v), new LongWritable(1));
			}
		}
	}

	/**
	 * redece方法：继承Reduce类，重写reduce方法，四个参数（输入的key，value和输出的key，value）
	 */
	public static class WordReduce extends Reducer<Text, LongWritable, Text, LongWritable> {

		@Override
		protected void reduce(Text k2,Iterable<LongWritable> v2s,Context context) throws IOException, InterruptedException {
			Text k3 = k2;
			long count = 0;
			for (LongWritable i : v2s) {
				count += i.get();
			}
			context.write(k3, new LongWritable(count));
		}
	}

	public static void main(String[] args) throws Exception {
		// 创建job对象
		Job job = Job.getInstance(new Configuration());

		// 注意：main方法所在的类
		job.setJarByClass(WordCount.class);

		// 设置map相关属性
		job.setMapperClass(WordMapper.class);
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(LongWritable.class);
		FileInputFormat.setInputPaths(job, new Path("/words.text"));

		//设置reduce相关属性
		job.setReducerClass(WordReduce.class);
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(LongWritable.class);
		FileOutputFormat.setOutputPath(job, new Path("/wcount1"));

		//执行任务
		job.waitForCompletion(true);
	}

}