Hadoop (十二) --------- MapReduce 概述

最新推荐文章于 2023-05-17 21:39:54 发布

在森林中麋了鹿

最新推荐文章于 2023-05-17 21:39:54 发布

阅读量966

点赞数

分类专栏： Hadoop 文章标签： hadoop mapreduce 大数据

本文链接：https://blog.csdn.net/m0_51111980/article/details/125823953

版权

Hadoop 专栏收录该内容

26 篇文章 9 订阅

订阅专栏

一、MapReduce 定义

MapReduce是一个分布式运算程序的编程框架，是用户开发基于Hadoop的数据分析应用的核心框架。

MapReduce 核心功能是将用户编写的 业务逻辑代码 和 自带默认组件整合成一个完整的分布式运算程序 ，并发运行在一个 Hadoop 集群上。

二、MapReduce 优缺点

1. 优点

1）MapReduce 易于编程

它简单的实现一些接口，就可以完成一个分布式程序，这个分布式程序可以分布到大量廉价的 PC 机器上运行。也就是说你写一个分布式程序，跟写一个简单的串行程序是一模一样的。就是因为这个特点使得MapReduce 编程变得非常流行。

2）良好的扩展性

当你的计算资源不能得到满足的时候，你可以通过简单的增加机器来扩展它的计算能力。

3）高容错性

MapReduce 设计的初衷就是使程序能够部署在廉价的 PC 机器上，这就要求它具有很高的容错性。比如其中一台机器挂了，它可以把上面的计算任务转移到另外一个节点上运行，不至于这个任务运行失败，而且这个过程不需要人工参与，而完全是由 Hadoop 内部完成的。

4）适合 PB 级以上海量数据的离线处理

可以实现上千台服务器集群并发工作，提供数据处理能力。

2. 缺点

1）不擅长实时计算

MapReduce 无法像 MySQL 一样，在毫秒或者秒级内返回结果。

2）不擅长流式计算

流式计算的输入数据是动态的，而 MapReduce 的输入数据集是静态的，不能动态变化。这是因为 MapReduce 自身的设计特点决定了数据源必须是静态的。

3）不擅长DAG (有向无环图) 计算

多个应用程序存在依赖关系，后一个应用程序的输入为前一个的输出。在这种情况下，MapReduce 并不是不能做，而是使用后，每个 MapReduce 作业的输出结果都会写入到磁盘，会造成大量的磁盘 IO，导致性能非常的低下。

三、MapReduce 核心思想

在这里插入图片描述

分布式的运算程序往往需要分成至少 2 个阶段。
第一个阶段的 MapTask 并发实例，完全并行运行，互不相干。
第二个阶段的 ReduceTask 并发实例互不相干，但是他们的数据依赖于上一个阶段的所有 MapTask 并发实例的输出。
MapReduce 编程模型只能包含一个 Map 阶段和一个 Reduce 阶段，如果用户的业务逻辑非常复杂，那就只能多个 MapReduce 程序，串行运行。

总结：分析 WordCount 数据流走向深入理解MapReduce核心思想。

四、MapReduce进程

一个完整的MapReduce程序在分布式运行时有三类实例进程：

MrAppMaster：负责整个程序的过程调度及状态协调。
MapTask：负责 Map 阶段的整个数据处理流程。
ReduceTask：负责 Reduce 阶段的整个数据处理流程。

五、官方 WordCount 源码

采用反编译工具反编译源码，发现 WordCount 案例有 Map 类、Reduce 类和驱动类。且数据的类型是Hadoop 自身封装的序列化类型。

六、常用数据序列化类型

在这里插入图片描述

七、MapReduce 编程规范

用户编写的程序分成三个部分：Mapper、Reducer和 Driver。

Mapper阶段

用户自定义的 Mapper 要继承自己的父类
Mapper 的输入数据是 KV 对的形式( KV 的类型可自定义）
Mapper 中的业务逻辑写在 map() 方法中
Mapper 的输出数据是 KV 对的形式 (KV的类型可自定义)
map() 方法 (MapTask进程) 对每一个<K，V>调用一次

Reducer阶段

用户自定义的 Reducer 要继承自己的父类
Reducer 的输入数据类型对应 Mapper 的输出数据类型，也是KV
Reducer 的业务逻辑写在 reduce() 方法中
ReduceTask 进程对每一组相同 k 的 <k，v> 组调用一次 reduce() 方法

Driver阶段

相当于 YARN 集群的客户端，用于提交我们整个程序到 YARN 集群，提交封装了 MapReduce 程序相关运行参数的 job 对象

八、WordCount 案例

1. 本地测试

需求：在给定文本文件中统计输出每一个单词出现的总次数

需求分析：按照 MapReduce 编程规范，分别编写 Mapper、Reducer、Driver。

环境准备

创建 maven 工程，MapReduceDemo

在这里插入图片描述

在 pom.xml 文件中添加如下依赖

<dependencies>
     <dependency>
         <groupId>org.apache.hadoop</groupId>
         <artifactId>hadoop-client</artifactId>
         <version>3.1.3</version>
     </dependency>
     
     <dependency>
         <groupId>junit</groupId>
         <artifactId>junit</artifactId>
         <version>4.12</version>
     </dependency>
     
     <dependency>
         <groupId>org.slf4j</groupId>
         <artifactId>slf4j-log4j12</artifactId>
         <version>1.7.30</version>
     </dependency>
 </dependencies>

在项目的 src/main/resources 目录下，新建一个文件，命名为 log4j.properties，在文件中填入。

在这里插入图片描述

然后创建包名 com.fancy.mapreduce.wordcount。

之后在包中编写 mapper 类

package com.fancy.mapreduce.wordcount;

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

import java.io.IOException;

public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
    
    Text k = new Text();
    
    IntWritable v = new IntWritable(1);

    @Override
    protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, IntWritable>.Context context) throws IOException, InterruptedException {
        // 获取一行
        String line = value.toString();
        
        // 切割
        String[] words = line.split(" ");
        
        // 输出
        for (String word : words) {
            k.set(word);
            context.write(k, v);
        }
    }
}

编写 Reducer 类

package com.fancy.mapreduce.wordcount;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;

public class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
    int sum;
    IntWritable v = new IntWritable();

    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException {
        // 1 累加求和
        sum = 0;
        for (IntWritable count : values) {
            sum += count.get();
        }
        
        // 2 输出
        v.set(sum);
        context.write(key, v);
        
    }
}

编写 Driver 驱动类

package com.fancy.mapreduce.wordcount;

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


import java.io.IOException;

public class WordCountDriver {

    public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {

        // 1 获取配置信息以及获取 job 对象
        Configuration  conf = new Configuration();
        Job job = Job.getInstance();

        // 2 关联本 Driver 的程序 jar
        job.setJarByClass(WordCountDriver.class);

        // 3 关联 Mapper 和 Reducer 的 jar
        job.setMapperClass(WordCountMapper.class);
        job.setReducerClass(WordCountReducer.class);

        // 4 设置 Mapper 输出的 kv 类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);

        // 5 设置最终输出的 kv 类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        // 6 设置输入和输出路径
        FileInputFormat.setInputPaths(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));

        // 7 提交 job
        boolean result = job.waitForCompletion(true);
        System.exit(result ? 0 : 1);
    }
}

本地测试

需要首先配置好 HADOOP_HOME 变量以及 Windows 运行依赖
在 IDEA/Eclipse 上运行程序

2. 集群测试

用 maven 打 jar 包，需要添加的打包插件依赖

<build>
    <plugins>
        <plugin>
            <artifactId>maven-compiler-plugin</artifactId>
            <version>3.6.1</version>
            <configuration>
                <source>1.8</source>
                <target>1.8</target>
            </configuration>
        </plugin>
        <plugin>
            <artifactId>maven-assembly-plugin</artifactId>
            <configuration>
                <descriptorRefs>
                    <descriptorRef>jar-with-dependencies</descriptorRef>
                </descriptorRefs>
            </configuration>
            <executions>
                <execution>
                    <id>make-assembly</id>
                    <phase>package</phase>
                    <goals>
                        <goal>single</goal>
                    </goals>
                </execution>
            </executions>
        </plugin>
    </plugins>
</build>

注意：如果工程上显示红叉。在项目上右键 —> maven —> Reimport 刷新即可。

将程序打成 jar 包

在这里插入图片描述

修改不带依赖的 jar 包名称为 wc.jar，并拷贝该 jar 包到 Hadoop 集群的 /opt/module/hadoop-3.1.3 路径

之后启动 Hadoop 集群

[fancyry@hadoop102 hadoop-3.1.3]sbin/start-dfs.sh
[fancyry@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh

执行 WordCount 程序

[fancyry@hadoop102 hadoop-3.1.3]$ hadoop jar  wc.jar  com.fancyry.mapreduce.wordcount.WordCountDriver /user/fancyry/input /user/fancyry/output

在森林中麋了鹿

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
打赏
0
评论
Hadoop (十二) --------- MapReduce 概述

MapReduce 概述
复制链接

扫一扫

专栏目录

Hadoop (十二) --------- MapReduce 概述

目录

一、MapReduce 定义

二、MapReduce 优缺点

1. 优点

2. 缺点

三、MapReduce 核心思想

四、MapReduce进程

五、官方 WordCount 源码

六、常用数据序列化类型

七、MapReduce 编程规范

八、WordCount 案例

1. 本地测试

2. 集群测试

“相关推荐”对你有帮助么？