mapreduce

核心思想

mapreduce的思想主要分为map和reduce
map：拆分阶段，将复杂的任务拆分成并行的多个小任务（每个任务的执行过程一样）
reduce：聚合阶段 map阶段处理好的数据交由reduce阶段组合。

mapreduce框架结构

完整的mapreduce包括三个部分
applicationMaster：分配任务，请求资源
mapTask：map阶段数据处理
reduceTask：数据整合

mapreduce流程

1、客户端提交任务
2、resourceManager在某一台nodeManager上启动一个applicationMaster进程
（applicationMaster负责任务的分配，向recourseManager请求资源以及分配资源）
3、appMaster向多个nodeManager分配任务，每个nodeManager上可能运行mapTask或者reduceTask

mapreduce可操作的8个步骤

（map阶段）
1、读取文件，设置inputFormat ，将数据解析成j键值对k1,v1
2、自定义map逻辑，将第一步的键值对转换成k2,v2
（shuffer阶段）
3、分区  （相同的k交给同一个reduce进行处理，key合并，v组装成集合）
4、排序
5、规约
6、分组
（reduce阶段）
7、自定义reduce逻辑，将k2,v2进行数据合并，形成新的k3,v3
8、输出文件，设置outputformat,存入文件

WordCount示例编写

public class CountMain extends Configured implements Tool {
    public static void main(String[] args) throws Exception {
        Configuration configuration = new Configuration();
        int run = ToolRunner.run(configuration, new CountMain(), args);
    }

    @Override
    public int run(String[] args) throws Exception {
        //读取文件
        Job job = Job.getInstance(super.getConf(), "world");
        TextInputFormat.addInputPath(job, new Path("hdfs://node01:8020/worldCount"));
        job.setInputFormatClass(TextInputFormat.class);

        //自定义map逻辑
        job.setMapperClass(CountMapper.class);
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);
        //3-6
        //自定义reduce逻辑
        job.setReducerClass(CountReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        //输出
        TextOutputFormat.setOutputPath(job, new Path("hdfs://node01:8020/world1"));
        job.setOutputFormatClass(TextOutputFormat.class);
        boolean b = job.waitForCompletion(true);


        return b ? 0 : 1;
    }
}

package TestworldCount;

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 CountMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        String string = value.toString();
        String[] split = string.split(",");
        for (String s : split) {
            context.write(new Text(s), new IntWritable(1));
        }
    }
}

package TestworldCount;

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

import java.io.IOException;

public class CountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        int j = 0;
        for (IntWritable value : values) {
            j += value.get();
        }
        context.write(key, new IntWritable(j));
    }
}