Hadoop3.x 之 MapReduce 开发总结(月薪过万)

MapReduce 开发总结 (月薪过万)

在编写MapReduce程序时，需要考虑如下几个方面：

1、输入数据接口：InputFormat (月薪过万)

1. 默认使用的实现类是：TextInputFormat
2. TextInputFormat 的功能逻辑是：一次读一行文本，然后将该行的起始偏移量作为key，行内容作为 value 返回。
3. CombineTextInputFormat 可以把多个小文件合并成一个切片处理，提高处理效率。

2、逻辑处理接口：Mapper (月薪过万)

用户根据业务需求实现其中三个方法：map() setup() cleanup ()

3、Partitioner 分区 (月薪过万)

1. 有默认实现 HashPartitioner，逻辑是根据 key 的哈希值和 numReduces 来返回一个
   分区号；key.hashCode()&Integer.MAXVALUE % numReduces
2. 如果业务上有特别的需求，可以自定义分区。

4、Comparable 排序 (月薪过万)

1. 当我们用自定义的对象作为 key 来输出时，就必须要实现 WritableComparable 接口，重写其中的 compareTo()方法。
2. 部分排序：对最终输出的每一个文件进行内部排序。
3. 全排序：对所有数据进行排序，通常只有一个 Reduce。
4. 二次排序：排序的条件有两个。

5、Combiner 合并 (月薪过万)

1. Combiner 合并可以提高程序执行效率，减少 IO 传输。但是使用时必须不能影响原有的业务处理结果。

6、逻辑处理接口：Reducer (月薪过万)

1)用户根据业务需求实现其中三个方法：reduce() setup() cleanup ()

7、输出数据接口：OutputFormat (月薪过万)

1. 默认实现类是 TextOutputFormat，功能逻辑是：将每一个 KV 对，向目标文本文件输出一行。
2. 用户还可以自定义 OutputFormat。