Hadoop应用系列2--MapReduce原理浅析(下)

上面我们分析气温的那段程序，看起没有问题，用起来也没有问题。

试想一下，如果我们把全球所有气象站的数据拿来分析， 你的程序大约需要多久能计算出结果？或者说能否完成运算？
以前我们会把来自不同气象站的数据在不同时间，或者不同计算机上进行运算，最后把结果拿来，再次执行运算。

有了MapReduce咱就不用这么麻烦了，MapReduce做了这样几件事：
0、分布式并行
1、他把输入和输出分开。Mapper负责读取数据，把需要计算的数据输出给Reducer,
也就是说，我们刚才写的程序addYearAndTemperature和out他们是天然的2个程序。
2、本身就是为分布式而设计的，他会把来自多个输入（map）的结果自动的合并并输出（reduce）
3、总是读取本地数据进行运算（相当于我们让不同的计算机分析来自不同气象站的数据）

不知道我说清楚了没有，如果有不清楚的地方欢迎讨论和拍砖。

下面我们来使用hadoop来编写MapReduce程序，来完成同样的功能，注意Mapper是Reducer的输入哦。

我们先来编写Mapper吧，就是把年份和气温取出的程序。

package org.pcwl.mapper;

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

/**
 * <p><b>用于读取气象信息，从气象信息中分解出年份和气温的程序。</b></p>
 * <p>
 * MapReduce的mapper需要继承Mapper<T1,T2,T3,T4>类
 * 重写map(T1,T2,T3,T4)方法
 * </p>
 * <p>
 * 	T1表示mapper的输入key类型,T2表示mapper输入的value类型,我们可以把他理解为
 * <em>hadoop的文件读取其，把数据读进来之后装入到一个java.util.Map<K,V>中,
 * 我们从这个java.util.Map<K,V>中读取数据， 这里T1就是这个K的类型.T2就是V的类型</em>
 * <i>
 * 	注意：输入到mapper中的数据是以行为单位的(\n) 你懂的。
 *  value是当前行，key可以看作是行号
 * </i>
 * </p>
 * <p>
 * 	T3,T4表示mapper的输出类型，也是Reducer的输入类型，我们可以理解为<em>
 *  mapper程序把需要reducer计算的数据写入一个java.util.Map<K,V>中，
 *  T3，表示这个K的类型，T4表示这个V的类型。
 * </em>
 * </p>
 * <p>
 * 	<strong>
 * 	注意：这里类型不能使用java自身的类型，
 *  我们使用<i>org.apache.hadoop.io</i>这个包下的类型
 *  ，他们是为分布式并行而设计的类型
 *  LongWritable---视为java.lang.Long的替代类型
 *  Text---视为java.lang.String的替代类型
 *  IntWritable---视为java.lang.Integer的替代类型
 *  </strong>
 * </p>
 * @author project_maker@sina.com;eastzhang.iteye.com
 *
 */
public class Temperature  extends Mapper<LongWritable, Text, Text, IntWritable> {
	/* 已知的错误数据值 */
	private static final int MISSING = 9999;
	@Override
	public void map(LongWritable key, Text value, Context context)
	      throws IOException, InterruptedException {
	    /* 从value取出值，得到String */
	    String line = value.toString();
	    /* 从字符串中提出年份信息 */
	    String year = line.substring(15, 19);
	    int temperature;
	    if (line.charAt(87) == '+') { // parseInt doesn't like leading plus signs
	      temperature = Integer.parseInt(line.substring(88, 92));
	    } else {
	      temperature = Integer.parseInt(line.substring(87, 92));
	    }
	    if (temperature != MISSING) {
	      /* 把合法数据送入到reducer */
	      context.write(new Text(year), new IntWritable(temperature));
	    }
	}
}

到此我的mapper编写完成，记住它相当于 addYearAndTemperature 这个哦。

接下来我们写 Reducer ， 它想当于out

package org.pcwl.reducer;

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
/**
 * <p>Reducer 程序需要继承<code>org.apache.hadoop.mapreduce.Reducer<T1,T2，T3，T4></code>
 * 重写reduce<T1,Iterable<T2>,T3,T4>方法。
 * <p>
 * <p>
 * 	这里T1，T2 是 Reducer的输入类型，也是Mapper的输出类型，
 *  <b>注意map的输出和reduce的输入必须一致哟.<b>
 *  T3,T4是Reducer的输出类型，也就是写入文件中数据类型。
 *  根据你程序要写入文件的结果确定类型吧。
 * </p>
 * @author project_maker@sina.com;eastzhang.iteye.com
 *
 */
public class Temperature
  extends Reducer<Text, IntWritable, Text, IntWritable> {

  @Override
  /**
   * <strong>注意这里values是个迭代器</strong>也就是说，Reducer是对一个集合进行处理，
   * 这一点在@see http://eastzhang.iteye.com/blog/1775734有体现
   */
  public void reduce(Text key, Iterable<IntWritable> values,
      Context context)
      throws IOException, InterruptedException {
    /* 要计算最高气温，我们来个无穷小，作为比较量 */
    int maxValue = Integer.MIN_VALUE;

    for (IntWritable value : values) {
      maxValue = Math.max(maxValue, value.get());
    }
    /* key 是 年份， 我们把结果写入到文件中 */
    context.write(key, new IntWritable(maxValue));
  }
}

到此， 我们Reducer程序编写完成。

让MapReduce程序运行， 我们需要些调度器（job）作业。

package org.pcwl.job;

import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
/**
* 运行MapReduce的程序（job）作业
* @Author project_maker@sina.com; eastzhang@iteye.com
*/
public class Temperature {

  public static void main(String[] args) throws Exception {
    if (args.length != 2) {
      System.err.println("请输入数据源文件夹<以存在>和目标文件夹<不存在>");
      System.exit(-1);
    }

    Job job = new Job();
    job.setJarByClass(Temperature.class);
    job.setJobName("计算最高气温");
    /* 指定从何出读取数据 */
    FileInputFormat.addInputPath(job, new Path(args[0]));
    /* 指定结果写入何处，注意文件夹必须不存在 */
    FileOutputFormat.setOutputPath(job, new Path(args[1]));
    /* 设置Mapper程序 */
    job.setMapperClass(org.pcwl.mapper.Temperature.class);
    /* 设置Reducer程序 */
    job.setReducerClass(org.pcwl.reducer.Temperature.class);

    /* 指定输出结果类型 */
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);

    System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}

到此我们这个MapReduce就搞定了， 打jar包运行它

[img]http://dl.iteye.com/upload/attachment/0079/9790/4455e9f1-47eb-339b-b2ac-937140ece189.png[/img]

[img]http://dl.iteye.com/upload/attachment/0079/9792/92b915fd-3ca6-319b-b96f-481b73986dc4.png[/img]

[img]http://dl.iteye.com/upload/attachment/0079/9794/6d84ce37-26f0-3e27-903b-78efe6e29e63.png[/img]

[img]http://dl.iteye.com/upload/attachment/0079/9796/ecfdb153-9bcb-3303-82ff-ba71a4cbc1d1.png[/img]

下一篇我们将要研究一下Combiner