文章基于widows环境下的idea,hadoop版本2.7.2,案例来源于《Hadoop:The Definitive Guide》第二章,需要统计美国自1901年以来每一年的最高气温,数据文件见百度盘 https://pan.baidu.com/s/1gfoZkUf
1、配置maven
略
2、解读(简版,详见book)
a.数据解读
从数据格式中可以看到每一行(15,19)是年份信息,而(87,92)储存的是温度,(92,93)储存的是天气的质量信息,我们需要提取出年份和温度信息。
b.map阶段
在map阶段只是一个准备数据的过程,提取年份和温度形成键值对输出给reduce阶段;并且在这个过程中筛掉缺失和错误的数据。
map结果提取出每一行对应的年份和温度信息。
c.reduce阶段
map函数的输出经过MapReduce框架处理后,最后发送到reduce函数,这个过程基于键来对键值对进行进行排序和分组,因此,reduce函数看到的是如下输入:
每一年紧接着一系列气温数据,reduce要做的工作就是遍历整个列表并找出最大的数值。
3、code
a.map阶段—获取每一年的温度,以(key,value)键值对存储
package mkd.hadoop.mr;
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;
/**
* Created by MKD on 2017/7/12.
* map阶段
*/
public class MyMaxTempMapper extends Mapper<LongWritable,Text,Text,IntWritable>{
private static final int MISSING = 9999;
@Override
public void map(LongWritable key,Text value,Context context)
throws IOException,InterruptedException{
String line = value.toString();//将每一行数据转化成String
String year = line.substring(15,19);//获取年份数据
int airTemperature;
//提取气温 + / -
if(line.charAt(87) == '+'){
airTemperature = Integer.parseInt(line.substring(88,92));//将string转化成int
}else{
airTemperature = Integer.parseInt(line.substring(87,92));
}
//质量
String quality = line.substring(92,93);
//判断气温有效性
if(airTemperature != MISSING && quality.matches("[01459]")){
context.write(new Text(year),new IntWritable(airTemperature));
}
}
}
b.reduce阶段—找出每一年最大温度
package mkd.hadoop.mr;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
/**
* Created by MKD on 2017/7/12.
* reduce阶段
*/
public class MyMaxTemperReducer extends Reducer<Text,IntWritable,Text,IntWritable>{
@Override
public void reduce(Text key,Iterable<IntWritable> values,Context context)
throws IOException,InterruptedException{
int maxValue = Integer.MIN_VALUE;
for(IntWritable value:values){//获取最大温度
maxValue = Math.max(maxValue,value.get());
}
context.write(key,new IntWritable(maxValue));
}
}
c.MapReduceJob
package mkd.hadoop.mr;
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;
/**
* Created by MKD on 2017/7/12.
* mapreduce APP
*/
public class MyMaxTemputer {
public static void main(String[] args) throws Exception{
if(args.length != 2){
System.err.println("Usage:MaxTemperture <input path> <output path>");
System.exit(-1);
}
Job job = Job.getInstance();
job.setJarByClass(MyMaxTemputer.class);
job.setJobName("MyMaxTemputer");//设置作业名称
FileInputFormat.addInputPath(job,new Path(args[0]));//输入路径
FileOutputFormat.setOutputPath(job,new Path(args[1]));//输出路径
job.setMapperClass(MyMaxTempMapper.class);//设置mapper类型
job.setReducerClass(MyMaxTemperReducer.class);//设置reduce类型
job.setOutputKeyClass(Text.class);//设置输出key类型
job.setOutputValueClass(IntWritable.class);//设置输出value类型
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
4、设置输入输出
上面是输入路径,下面是输出路径(输出目录一定要不存在!!!!,否则报错)
5、运行APP
然后在输出路径下可以看到如下文件,_SUCCESS表示运行成功,我们打开part-r-0000文件可以查看结果