大数据从入门到实战 - MapReduce基础实战

最新推荐文章于 2024-10-13 15:32:19 发布

是草莓熊吖

最新推荐文章于 2024-10-13 15:32:19 发布

阅读量3.3k

点赞数 2

文章标签：大数据 mapreduce hadoop

本文链接：https://blog.csdn.net/qq_61604164/article/details/126015302

版权

什么是MapReduce

MapReduce是一种可用于数据处理的编程模型，我们现在设想一个场景，你接到一个任务，任务是：挖掘分析我国气象中心近年来的数据日志，该数据日志大小有3T,让你分析计算出每一年的最高气温，如果你现在只有一台计算机，如何处理呢？我想你应该会读取这些数据，并且将读取到的数据与目前的最大气温值进行比较。比较完所有的数据之后就可以得出最高气温了。不过以我们的经验都知道要处理这么多数据肯定是非常耗时的。

如果我现在给你三台机器，你会如何处理呢？看到下图你应该想到了：最好的处理方式是将这些数据切分成三块，然后分别计算处理这些数据（Map），处理完毕之后发送到一台机器上进行合并（merge），再计算合并之后的数据，归纳（reduce）并输出。

这就是一个比较完整的MapReduce的过程了。

如何使用MapReduce进行运算

我们通过一个示例，来体验Map/Reduce的使用。

我们从一个问题入手：目前我们想统计两个文本文件中，每个单词出现的次数。

首先我们在当前目录下创建两个文件：

创建file01输入内容：

Hello World Bye World

创建file02输入内容：

Hello Hadoop Goodbye Hadoop

将文件上传到HDFS的/usr/input/目录下：

不要忘了启动DFS： start-dfs.sh

然后创建文件夹并上传：

在右侧代码区域编写，文件WordCount.java，添加如下内容：

public class WordCount {  
//Mapper类  
/*LongWritable表示每一行起始偏移量  
第一个Text是用来接受文件中的内容，  
第二个Text是用来输出给Reduce类的key,  
IntWritable是用来输出给Reduce类的value*/  
 public static class TokenizerMapper   
       extends Mapper<LongWritable, Text, Text, IntWritable>{  
    private final static IntWritable one = new IntWritable(1);  
    private Text word = new Text();  
    public void map(LongWritable key, Text value, Context context  
                    ) throws IOException, InterruptedException {  
      StringTokenizer itr = new StringTokenizer(value.toString());  
      while (itr.hasMoreTokens()) {  
        word.set(itr.nextToken());  
        context.write(word, one);  
      }  
    }  
  }  
  public static class IntSumReducer   
       extends Reducer<Text,IntWritable,Text,IntWritable> {  
    private IntWritable result = new IntWritable();  
    public v