map分组后取前10个_MapReduce入门(第九讲)

本文介绍了MapReduce的分布式计算模型,包括Map和Reduce两个阶段,详细解析了MapReduce处理数据的过程,如数据分区、排序、分组及归约。以WordCountApp为例,展示了如何实现文本计数,最后通过reduce函数计算每个单词的总数。
摘要由CSDN通过智能技术生成

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

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值