1.MapReduce概述
a.MapReduce是一种分布式计算模型,由Google提出,主要用于搜索领域,解决海量数据的计算问题.
b.MR由两个阶段组成:Map和Reduce,用户只需要实现map()和reduce()两个函数,即可实现分布式计算,非常简单。
c.这两个函数的形参是key、value对,表示函数的输入信息。
执行步骤:
1. map任务处理
1.1 读取输入文件内容,解析成key、value对。对输入文件的每一行,解析成key、value对。每一个键值对调用一次map函数。
1.2 写自己的逻辑,对输入的key、value处理,转换成新的key、value输出。
1.3 对输出的key、value进行分区。
1.4 对不同分区的数据,按照key进行排序、分组。相同key的value放到一个集合中。
1.5 (可选)分组后的数据进行归约。
2.reduce任务处理
2.1 对多个map任务的输出(一个reduce接收多个map输出),按照不同的分区,通过网络copy到不同的reduce节点。
2.2 对多个map任务的输出进行合并、排序。写reduce函数自己的逻辑,对输入的key、value处理,转换成新的key、value输出。
2.3 把reduce的输出保存到文件中。
例子:实现WordCountApp
1.读取hdfs中的文件,调用map函数
将每一行都解析成一个键值对,这样每个键值对都调用一次map函数
将上面文件的内容解析成2个键值对,分别是<0,hello you>,<10,hello me>,调用2次map函数
key:当前文本行的首地址,下标从0开始,第二个"hello you"+"换行符"共10字符
value:当前行中的内容
2.重写覆盖之前的map函数,将上一步产生的键值对作为参数,调用新的map函数转换成新的键值对
public void map(k, v, ctx){
String[] splited = v.split("\t");
for(String word : splited){
ctx.write(word, 1);
}
}
3.对2中输出的键值对进行分区:默认分为1个区
4.对不同分区的数据进行排序(按照键k)、分组(指的是相同key的value放到一个集合中)
map输出后的数据是:
排序后是:
分组后:
5.(可选)对分组后的数据进行规约
6.将多个map任务输出的结果,按照不同的分区,通过网络copy到不同的reduce节点上
7.对多个map输出的结果进行合并、排序。覆盖reduce函数,接收的是分组后的数据,实现自己的业务逻辑,处理后,产生新的输出
//reduce函数被调用的次数是3
public void reduce(k,vs, ctx){
long sum = 0L;
for(long times : vs){
sum += times;
}
ctx.write(k, sum);
}
8.对reduce输出的写到hdfs中
hello 2
me 1
you 1