之前学习了java操作hdfs系统。现在来学习mapreduce。写一个最简单的wordcount的小程序
一、mapreduce介绍
mr框架其实是由两部分构成:第一部分就是map部分。第二部分就是reduce部分。
map是对hdfs系统上的文件进行第一次的筛选解析生成K-V的格式发送给reduce。
reduce部分就是接收map解析处理之后的K-V键值对之后。对其进行计算得到我们所需要的数据结果。
二、提交mr程序的过程(java代码部分)
1) 导依赖
<dependencies>
<!-- hadoop通用包 -->
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-common</artifactId>
<version>2.6.0</version>
</dependency>
<!-- mapreduce框架依赖 -->
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-mapreduce-client-core</artifactId>
<version>2.6.0</version>
</dependency>
</dependencies>
2)mapper类:
import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import java.io.IOException;
/**
* Created by Administrator on 2018/12/9.
* 4个泛型中,前两个是指定mapper输入数据的类型,KEYIN是输入的key的类型,VALUEIN是输入的value的类型
* map 和 reduce 的数据输入输出都是以 key-value对的形式封装的
* 默认情况下,框架传递给我们的mapper的输入数据中,key是要处理的文本中一行的起始偏移量,这一行的内容作为value
*/
public class WordCountMapper extends Mapper<LongWritable,Text,Text,LongWritable> {
//mapreduce框架每读一行数据就调用一次该方法
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
//具体业务逻辑就写在这个方法体中,而且我们业务要处理的数据已经被框架传递进来,在方法的参数中 key-value
//key 是这一行数据的起始偏移量 value 是这一行的文本内容
//将这一行的内容转换成string类型
String line = value.toString();
//对这一行的文本按特定分隔符切分
String[] words = StringUtils.split(line, " ");
//遍历这个单词数组输出为kv形式 k:单词 v : 1
for(String word : words){
context.write(new Text(word), new LongWritable(1));
}
}
}
3)reduce类
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
/**
* Created by Administrator on 2018/12/9.
* reduce类
*/
public class WordCountReducer extends Reducer<Text, LongWritable, Text, LongWritable> {
//框架在map处理完成之后,将所有kv对缓存起来,进行分组,然后传递一个组<key,valus{}>,调用一次reduce方法
//<hello,{1,1,1,1,1,1.....}>
@Override
protected void reduce(Text key, Iterable<LongWritable> values,Context context)
throws IOException, InterruptedException {
long count = 0;
//遍历value的list,进行累加求和
for(LongWritable value:values){
count += value.get();
}
//输出这一个单词的统计结果
context.write(key, new LongWritable(count));
}
}
4)整合提交类main方法
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.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
/**
* Created by Administrator on 2018/12/9.
* 用来描述一个特定的作业
* 比如,该作业使用哪个类作为逻辑处理中的map,哪个作为reduce
* 还可以指定该作业要处理的数据所在的路径
* 还可以指定改作业输出的结果放到哪个路径
* ....
*/
public class WordCountRunner {
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
Job wcjob = Job.getInstance(conf);
//设置整个job所用的那些类在哪个jar包
wcjob.setJarByClass(WordCountRunner.class);
//本job使用的mapper和reducer的类
wcjob.setMapperClass(WordCountMapper.class);
wcjob.setReducerClass(WordCountReducer.class);
//指定reduce的输出数据kv类型
wcjob.setOutputKeyClass(Text.class);
wcjob.setOutputValueClass(LongWritable.class);
//指定mapper的输出数据kv类型
wcjob.setMapOutputKeyClass(Text.class);
wcjob.setMapOutputValueClass(LongWritable.class);
//指定要处理的输入数据存放路径
FileInputFormat.setInputPaths(wcjob, new Path("hdfs://192.168.6.117:9000/wc/srcdata/"));
//指定处理结果的输出数据存放路径
FileOutputFormat.setOutputPath(wcjob, new Path("hdfs://192.168.6.117:9000/wc/output/"));
//将job提交给集群运行
wcjob.waitForCompletion(true);
}
}
5)导出jar包
三、提交mr过程(服务器上操作)
1)上传JAR包
2)启动相关服务(这里我直接使用全部启动命令sh start)
启动成功之后如下图
3)创建测试数据上传至hdfs指定目录(要和代码中的一致)
通过浏览器确认是否上传成功
4)使用hadoop命令来启动jar
hadoop jar hadoop.jar main方法所在类的全限定类名
成功之后查看是否有文件产生
可以下载下来查看或者通过命令查看
第一个mr程序单词计数器完成
代码都已经上传至之前的github仓库中
地址:https://github.com/linminlm/hadoop
本人QQ/wechat : 806751350
还会持续更新敬请期待!!