mapreduce基础复习:
1. mapreduce流程
job-->TaskTracker-->Map/Reduce Task
resource manager-->app master-->container-->
scheduler执行计划
split-->map-->combiner-->partitioner-->reducer-->resource manager
2. hadoop1.0和hadoop2.0的区别
1.0管理和计算都是由mapreduce来完成
2.0管理由yarn负责,不仅仅减轻mapreduce的计算压力,而且使得计算框架可扩展
3. driver类的核心逻辑
Job对象–>指定driver类为驱动类–>设置mapper和reducer/[partitioner]–>设置mapper和reducer的输出–>设置输入输出文件路径–>运行
4. 文件关联的逻辑
mapper端负责把文件合并,并且根据业务逻辑,把相同的key归类
reducer端负责根据相同的key来进行关联
在idea中实现wordcount词频统计:
需求分析:
1.Map过程:并行读取文本,对读取的单词进行map操作,每个词都以<key,value>形式生成
2.Reduce操作是对map的结果进行排序合并最后得出词频
1.添加maven依赖
注意hadoop-core依赖与hadoop-auth冲突,要求先注释掉。
<dependencies>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.12</version>
<scope>test</scope>
</dependency>
<!-- https://mvnrepository.com/artifact/org.apache.hadoop/hadoop-common -->
<dependency>