通过WordCount案例深入理解MapReduce的实现过程

1.0MapReduce流程介绍

一个完整的MapReduce程序分布运行时有三类实例进程

• MrAppMaster：负责整个程序的过程调度和状态协调
• 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过程

理解MapReduce序列化类型

Java类型	Hadoop Writable类型
Boolean	BooleanWritable
Byte	ByteWritable
Int	IntWritable
Float	FloatWritable
Long	LongWritable
Double	DoubleWritable
String	Text
Map	MapWritable
Array	ArrayWritable
Null	NullWritable

2.0MapReduce编程规范

用户编写程序分成三个部分：Mapper、Reducer、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的类型可自己定义）
• Mappper中的业务逻辑写在map()方法中
• Mapper的输出数据是KV对的形式
• map()方法（MapTask进程）对每一个<K,V>调用一次

Reduce阶段：

• 用户自定义的Reduce要继承自己的父类
• Reduce的输入数据类型应对Mapper的输出数据类型也是KV
• Reduce的业务；逻辑写在reduce方法中
• Reduce进程对每一组相同的<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，提交的是封装了MapReduce程序相关运行参数的job对象

3.0编码实现

3.1材料准备

准备一个word.txt文件输入相关内容

3.2业务流程介绍

3.3项目准备

1.创建Maven项目

2.添加依赖

   <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>

3.创建日志打印文件

（2）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。

log4j.rootLogger=INFO, stdout  
log4j.appender.stdout=org.apache.log4j.ConsoleAppender  
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout  
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n  
log4j.appender.logfile=org.apache.log4j.FileAppender  
log4j.appender.logfile.File=target/spring.log  
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout  
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

（3）创建包名：com.fang.wordcount

3.3程序编写（详细注释）

创建三个类

实现Mapper的过程

package com.fang.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;

/**
 * KEYIN    输入类型      long
 * VALUEIN  输入值类型    String
 * KEYOUT   输出类型      String
 * VALUEOUT 输出值类型    Int
 */
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, Context context)	throws IOException, InterruptedException {

        /**
         * 对于context的理解
         * 充当，Map和Reduce之间联络员的角色
         */

        // 1 获取一行
        String line = value.toString();

        // 2 切割
        String[] words = line.split(" ");

        // 3 输出
        for (String word : words) {

            k.set(word);
            context.write(k, v);
        }
    }

}

实现Reducer的过程

package com.fang.wordcount;

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

public class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable>{

    int sum;
    IntWritable v = new IntWritable();

    @Override
    protected void reduce(Text key, Iterable<IntWritable> values,Context context) throws IOException, InterruptedException {

        /**
         * 对于Interable的理解
         * 将传入的值变成（zhangsan（1,1,1,1））类型
         */

        // 1 累加求和
        sum = 0;
        for (IntWritable count : values) {
            sum += count.get(); //获取到count的值为1
        }

        // 2 输出
        v.set(sum);
        context.write(key,v);
    }
}

实现Driver的过程

package com.fang.wordcount;

import java.io.IOException;
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;

public class WordCountDriver {

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

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

        // 2 关联本Driver程序的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("F:\\桌面\\input\\word.txt"));
        FileOutputFormat.setOutputPath(job, new Path("F:\\桌面\\output6"));

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

运行结果：