MapReduce中的job类（创建资源环境 & 初始化job属性）和main方法

对于MR程序一般会extends和implements如下

public class XXX extends Configured implements Tool {

实现接口Tool的run方法，就是job类

public interface Tool extends Configurable {
    int run(String[] var1) throws Exception;
}

首先是main方法

    public static void main(String[] args) {
        try{
            //1. 获取配置信息
            Configuration conf = new Configuration();

            //2. 获取命令行参数，封装成String[]
            String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();

            //3. 运行run方法，运行结果response
            int response = ToolRunner.run(conf, new 本类名(), otherArgs);

            if(ret == 0){
                System.out.println("Job is successfully completed... ");
            }else{
                System.out.println("Job failed... ");
            }

            System.exit(0);

        }catch(Exception exception){
            exception.printStackTrace();
        }
    }

整个run方法中，有一些固定语法总结如下：

传入run方法中的参数args[ ]就是提交MR程序的脚本中全类名后面的附加参数，

hadoop bin jar XX.jar XX全类名 参数1（数据输入路径），参数2（数据输出路径），参数3，参数4...

@Override
    public int run(String[] args) throws Exception {
        //1. 设定运行MR程序jar包的输入参数
        String inputPath = args[0]; //输入Dir
        String outputPath = args[1]; //输出Dir
        String c = args[2];
        String d = args[3];

        //2. 创建资源环境
        Configuration conf = getConf();
            //对MR结果文件去掉 _success 文件
        conf.set("mapreduce.fileoutputcommitter.marksuccessfuljobs","false");

        //3. 初始化创建job，使用conf资源环境
        Job job = initJob(conf);
        
        //4.1 获取源文件路径List<Path>类型（方式1）
        List<Path> paths = HadoopUtil.getFilePathUnderDir(inputDir, conf);

        //4.2 获取源文件路径List<Path>类型（方式2）
            //（1）获取文件系统
        FileSystem fs = FileSystem.get(conf);
            //（2）输入路径List
        List<Path> pathList = new ArrayList<Path>();
            //（3）输入路径filter
        FileNameFilter clusterFileFilter = new FileNameFilter(conf);
            //（4）获取源文件路径List<Path>
        if(fs.exists(new Path(inputDir))){
            pathList.addAll(HadoopUtil.getFilePathUnderDir(
                            inputDir, conf, clusterFileFilter));
                }

        //5. 设置MR的输入和输出路径（关联job和Path）
        FileInputFormat.addInputPath（job，new Path（inputPath））;
        FileOutputFormat.setOutputPath（job，new Path（outputDir））;

        //6. 设置各种在mapper和reducer中调用的属性参数
        job.getConfiguration（）.set（key，value）;

        //7. 将job提交到集群运行，并等待作业运行完毕
        // ret为true表示将job运行进度信息及时输出给用户，false则等待作业结束
        boolean ret = job.waitForCompletion(true);
        return ret ? 0 : 1;
    }

封装构建job的方法initJob（conf）

private Job initJob(Configuration conf) throws IOException{
        //1. 创建名为本类的job，使用资源环境conf，jobname为参数2
        Job job = Job.getInstance(conf, this.getClass().getSimpleName());
        job.setJobName(this.getClass().getSimpleName());
        job.setJarByClass(this.getClass());

        //2. 设置job中读取HDFS文件的类，此处是逐行读取，用TextInputFormat.class
        job.setInputFormatClass(TextInputFormat.class);

        //3. 设置job的Mapper类和Mapper端输出的Key-Value类
        job.setMapperClass(BitMapCalculationMapper.class);
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(Text.class);

        //4. 设置Combiner预聚合类
        job.setCombinerClass(BitMapCalculationCombiner.class);

        //5. 设置job的Reducer类和Reducer端输出的Key-Value类
        job.setReducerClass(BitMapCalculationReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Text.class);

        return job;
    }