《Hadoop权威指南》读书笔记——MapeReduce入门

最新推荐文章于 2023-05-22 20:18:25 发布

JayLaiSCUT

最新推荐文章于 2023-05-22 20:18:25 发布

阅读量5.7k

点赞数

分类专栏：分布式存储文章标签： hadoop 大数据

本文链接：https://blog.csdn.net/qq_35469756/article/details/107092444

版权

分布式存储专栏收录该内容

9 篇文章 1 订阅

订阅专栏

1 MR的原理

MapeReduce（简称MR）的是大数据计算引擎，相对于Linux awk等工具而已，最大的优势是可以分布式执行，充分利用计算机的多核性能。
一个MR作业（job）是客户端需要执行的一个工作单元，包括输入数据、MR程序和配置信息。作业又可以分成若干个任务（task）来执行，包括map任务和reduce任务。原始数据被MR按照HDFS的快大小（默认128M）分片（split），每一个片是启动一个map任务，计算完的中间结果暂时存在本地。reduce拉取中间结果后进行计算输出最终结果，如下图所示：

在这里插入图片描述

2 切片大小原理

切片是为了使程序能够并行处理。如果切片过大，并行度低，处理速度变慢；如果切片过小，会增加管理分片得总时间和构建map任务得总时间。

对于大部分Job，一个切片大小跟HDFS的块（block）大小一样是最优的。因为数据是存储在HDFS，如果一个分片对应多个块，就可能产生网络IO，因为不同分片的数据需要传输到map所在设备。

3 动手写一个MR程序

3.1 使用maven新建一个java工程

依赖的pom.xml如下：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>com.dhhy</groupId>
    <artifactId>hadoopapp</artifactId>
    <version>1.0-SNAPSHOT</version>

    <properties>
        <encoding>UTF-8</encoding>
    </properties>

    <dependencies>
        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>RELEASE</version>
        </dependency>
        <dependency>
            <groupId>org.apache.logging.log4j</groupId>
            <artifactId>log4j-core</artifactId>
            <version>2.8.2</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>2.7.2</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>2.7.2</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-hdfs</artifactId>
            <version>2.7.2</version>
        </dependency>
    </dependencies>

    <build>
        <plugins>
            <plugin>
                <artifactId>maven-compiler-plugin</artifactId>
                <version>2.3.2</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>
                    <archive>
                        <manifest>
                            <mainClass>com.dhhy.mr.wordcount.WordcountDriver</mainClass>
                        </manifest>
                    </archive>
                </configuration>
                <executions>
                    <execution>
                        <id>make-assembly</id>
                        <phase>package</phase>
                        <goals>
                            <goal>single</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>


    <repositories>
        <repository>
            <id>aliyunmaven</id>
            <url>http://maven.aliyun.com/nexus/content/groups/public/</url>
        </repository>

    </repositories>


</project>

3.2 编写mapper端得代码

package com.dhhy.mr.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;

/**
字符串统计
 *
map阶段入参：
Mapper<KEYIN, VALUEIN, KEYOUT, VALUEOUT>
KEYIN mr框架读到的一行文本的起始偏移量
VALUEIN mr框架读到的一行文本的内容
KEYOUT 用户业务逻辑处理后输出的key
VALUEOUT 用户业务逻辑处理后输出的value
 *
Created by JayLai on 2020-02-17 22:33:42
 */
 
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 {
        // 1 获取一行
        String line = value.toString();

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


        //３　循环写出
        for (String word : words) {
            k.set(word);

            context.write(k, v);
        }

    }
    }

3.3 编写reducer端得代码

package com.dhhy.mr.wordcount;

import java.io.IOException;

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

/**
 * Created by JayLai on 2020-02-18 18:20:07
 */
public class WordcountReducer extends Reducer<Text, IntWritable, Text, IntWritable>{

    IntWritable v = new IntWritable();

    @Override
    protected void reduce(Text key, Iterable<IntWritable> values,
                          Context context) throws IOException, InterruptedException {
        int sum = 0;

        // 1 累加求和
        for (IntWritable value : values) {
            sum += value.get();
        }

        v.set(sum);

        // 2 写出
        context.write(key, v);
    }
}

3.4 编写driver端代码

package com.dhhy.mr.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;

/**
 * Created by JayLai on 2020-02-18 18:29:04
 */
public class WordcountDriver {


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

        // 1 获取配置信息以及封装任务
        Configuration configuration = new Configuration();
        Job job = Job.getInstance(configuration);

        // 2 设置jar加载路径
        job.setJarByClass(WordcountDriver.class);

        // 3 设置map和reduce类
        job.setMapperClass(WordcountMapper.class);
        job.setReducerClass(WordcountReducer.class);

        // 4 设置map输出
        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(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));

        // 7 提交
        boolean result = job.waitForCompletion(true);

        System.exit(result ? 0 : 1);
    }

}

3.5准备数据集

在/opt/bigdata/data/mr/hello.txt中添加以下内容：

hello worldhello bigdata

3.6 本地调试

1)向启动程序传参

右键点击在WordcountDriver类，在program arguments填写参数：
/opt/bigdata/data/mr/hello.txt　/opt/bigdata/data/mr/output
在这里插入图片描述

2）运行WordcountDriver类

可以看到在输出目录output生成结果文件：

root@ubuntu18:/opt/bigdata/data/mr/output# ls
part-r-00000  _SUCCESS

用编辑器查看part-r-00000可以看到统计结果：

bigdata 1
hello   2
world   1

3.7 集群运行

1）将数据集提交到HDFS上

hadoop fs -put hello.txt /tmp

2）将jar包提交到YARN上

使用maven编译项目，在target目录下面会生成hadoopapp-

1.0-SNAPSHOT.jarhadoop@ubuntu18:/opt/bigdata/project/mr$ hadoop jar  hadoopapp-1.0-SNAPSHOT.jar com.dhhy.mr.wordcount.WordcountDriver /tmp/hello.txt /tmp/output

3）查看运行结果

在浏览器访问http://{IP}}:8088/cluster
在这里插入图片描述

可以看到任务执行成功，再使用命令行查看统计结果：

hadoop@ubuntu18:/opt/bigdata/project/mr$ hadoop fs -cat /tmp/output/part-r-00000
bigdata 1
hello   2
world   1

4 参考文献

1）TomWhite，Hadoop权威指南第4版. 2017，清华大学出版
2）社尚硅谷频 http://www.atguigu.com/bigdata_video.shtml

JayLaiSCUT

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
《Hadoop权威指南》读书笔记——MapeReduce入门

1 MR的原理MapeReduce（简称MR）的是大数据计算引擎，相对于Linux awk等工具而已，最大的优势是可以分布式执行，充分利用计算机的多核性能。一个MR作业（job）是客户端需要执行的一个工作单元，包括输入数据、MR程序和配置信息。作业又可以分成若干个任务（task）来执行，包括map任务和reduce任务。原始数据被MR按照HDFS的快大小（默认128M）分片（split），每一个片是启动一个map任务，计算完的中间结果暂时存在本地。reduce拉取中间结果后进行计算输出最终结果，如下图所
复制链接

扫一扫