Mapper类
Mapper的输入指的就是mapreduce框架读取文件的内容 这里的输入相当于流读取完成的文件内容,然后封装成键值对
四个范型:
输入:固定
KEYIN:输入的键的类型 标识读取行数,代表的是每一行的偏移量,按照字节标识下标,因为数据量比较大,用Long类型
VALUEIN:输入的值的类型 这里指的就是一行一行的内容 String
输出:根据业务决定
KEYOUT:输出的键的类型 表示要传递给reduce的键的类型,输出的键决定了reduce的分组依据
VALUEOUT:输出的值的类型 表示要传递给reduce的值的类型
这里泛型用Hadoop的序列化对象作为泛型,因为java泛型过重,需要把整个类进行序列化。
用序列化的类型是因为这是分布式计算,需要多台服务器共同协作,序列化的类型才能进行网络传输。
hadoop中实现了一个轻量级序列化,反序列化的Writable接口
* int----intwritable
* long----longwritable
* double-----doublewritable
* float-----floatwritable
* null-----NullWritable 可以在map输出不需要value时使用
* String-----Text
public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable>{
/*
* 参数概念:
* LongWritable key, 指的是每一行的偏移量
* Text value, 指的是每一行读取的内容
* Context context 上下文对象 承上启下 向上承接框架 向下面向reducer
*/
MapReduce框架每读到一行数据,就会调用一次这个map方法。
@Override
protected void map(LongWritable key, Text value, Context context)
throws IOException, InterruptedException {
//1.拿到每一行的内容 Text--String toString
String line=value.toString();
//2.拆分每一个单词
String[] words = line.split("\t");
//3.不进行计算 将所有计算 放在reduce中
//直接将数据发送到reduce中 以k-v形式 k---单词 v---1
for(String w : words){
Text mk=new Text(w);
IntWritable mv=new IntWritable(1);
context.write(mk,mv);
}
}
}
Reduce类
四个范型:
输入:Mapper的输出类型
KEYIN:Mapper的输出的键的类型
VALUEIN:Mapper的输出的值的类型
输出:根据业务决定
KEYOUT:输出的键的类型
VALUEOUT:输出的值的类型
public class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable>{
/*
* Text key, 一组中的一个key
* Iterable<IntWritable> values, 迭代器,封装的是该key对应的一组values
* map到reduce的过程中默认按照map输出的key进行分组
* Context context:上下文对象 对上承接map,对下写出数据
*/
reduce方法调用的频率:一组调用一次 不是一个reducetask调用一次
@Override
protected void reduce(Text key, Iterable<IntWritable> values,Context context)
throws IOException, InterruptedException {
//相同的单词全部过来了
//统计迭代器中的值的和
int sum=0;
for(IntWritable v:values){
//hadoop中的数值类型(int double...)---java数值 get()
sum+=v.get();
}
context.write(key, new IntWritable(sum));
}
}
主函数:整合Mapper和对应的Reduce到一个job
/*
* 提交运行代码的时候 客户端传入的参数 通过args接受的
* 第一个参数 放在数组第一个元素的 下标0
* 第二个参数 下标1
* ...
*/
public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
//加载配置文件
Configuration conf=new Configuration();
//启动一个job作业
Job job=Job.getInstance(conf);
//对job进行封装
//指定主类入口
job.setJarByClass(Driver.class);
//指定map对应的类
job.setMapperClass(WordCountMapper.class);
//指定reduce的类
job.setReducerClass(WordCountReducer.class);
//指定map输出的k v类型
/*
* 泛型只在编译期生效 运行期自动擦除,所以这里需要指明Mapper和Reduce的泛型类型
*/
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(IntWritable.class);
//指定reduce输出的k v类型 设定的最终的结果输出
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
//指定输入路径
FileInputFormat.addInputPath(job, new Path(args[0]));
//指定输出路径
FileOutputFormat.setOutputPath(job, new Path(args[1]));
//提交运行job 当这句代码提交时,就开始运行
job.waitForCompletion(true);
}
}