mapreduce编程流程

Mapreduce的编程流程主要分八个阶段：两个MAP阶段，四个shuffle阶段，两个reduce阶段。

Map两个阶段：

1：设置inputformat类，将数据分为key-value对（k1 v1）,并将其输入到第二步。

2：自定义Map逻辑将第一步的结果转换为另外的键值对(k2,v2)，并输出。

shuffle四个阶段：

3：对输出的键值对进行分区。

4：对不同分区的数据按照相同的key排序。

5：（可选），对分组后的数据进行初步规约，降低数据的网络拷贝。

6：对数据进行分组，将相同key的value放入同一个集合中。

Reduce两个阶段：

7：对多个Map任务的结果进行排序以及合并，编写Reduce函数实现自己的逻辑，对输入的键对值进行处理，转换为新的键对值（k3 v3），输出。

8：设置outputformat类处理并保存Reduce输出的键值对。

图解：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-pbJTboOf-1603113436059)(https://s1.ax1x.com/2020/09/29/0eqy8g.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-K0BpE1tg-1603113436066)(https://s1.ax1x.com/2020/09/29/0eq4aV.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-UlWoI5sv-1603113436069)(https://s1.ax1x.com/2020/09/29/0eLkqI.png)]

Mapreduce wordcount案例编程流程

链接：https://blog.csdn.net/qq_16146103/article/details/105692080

重写Mapper类：

package org.example.wordcount;
import java.io.IOException;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;


public class WcMapper 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
        String[] words = line.split(" ");

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

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

重写Reducer类：

package org.example.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 WcReducer 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 {

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

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

main函数主驱动类：

package org.example.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;
import org.junit.Test;

public class WcDriver {

    @Test
    public void main() 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(WcDriver.class);

        // 3 设置map和reduce类
        job.setMapperClass(WcMapper.class);
        job.setReducerClass(WcReducer.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("D:/IDEA java项目/data/a.txt"));
        FileOutputFormat.setOutputPath(job, new Path("D:/IDEA java项目/data/output"));

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

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

Mappreduce两种运行模式

集群运行模式：

1：将mapreduce程序提交给Yarn集群，分发到许多节点并发执行。

2：处理和输出的数据应位于hdfs文件系统中。

3：将文件打为jar包并上传，在集群中使用Hadoop命令执行。

应使用IDEA将map程序打包成jar包。

本地运行模式：

map程序用在本地用单进程执行，且处理和输出的数据在本地文件系统中。