大数据-Hadoop学习笔记09

30.MapReduce

    mapreduce任务过程分为两个处理阶段：map阶段和reduce阶段。每个阶段都以k-v对作为输入和输出，其类型由开发者选择。
    map阶段的输入时NCDC原始数据。我们选择文本格式作为输入格式，将数据集的每一行作为文本输入。

1.编写MR程序
【创建mapper】

public class MyMaxTempMapper extends Mapper<LongWritable, Text, Text, IntWritable>{
    private static final int MISSING = 9999;
    /**
     * mapper
     */
    @Override
    protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, IntWritable>.Context context)
            throws IOException, InterruptedException {
        //value String
        String line = value.toString();
        //提取年份
        String year = line.substring(15, 19);
        //提取气温
        int airTemperature;
        if (line.charAt(87) == '+') {
            airTemperature = Integer.parseInt(line.substring(88, 92));
        } else {
            airTemperature = Integer.parseInt(line.substring(87, 92));
        }
        //质量
        String quality = line.substring(92, 93);
        //判断气温的有效性
        if (airTemperature != MISSING && quality.matches("[01459]")) {
            context.write(new Text(year), new IntWritable(airTemperature));
        }
    }
}

【创建Reducer】

public class MyMaxTempReducer extends Reducer<Text, IntWritable, Text, IntWritable>{

    @Override
    protected void reduce(Text key, Iterable<IntWritable> values,
            Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException {
        //定义一个最小值
        int maxValue = Integer.MIN_VALUE;
        //提取年度最高气温
        for(IntWritable value : values) {
            maxValue = Math.max(maxValue, value.get());
        }
        //写入输出
        context.write(key, new IntWritable(maxValue));
    }
}

【创建app运行作业】

public class MyMaxTempApp {
    public static void main(String[] args) throws Exception {
        if (args.length != 2) {
            System.out.println("Usage: MaxTemperature <input path> <output path>");
            System.exit(1); 
        }
        Job job = Job.getInstance();
        job.setJarByClass(MyMaxTempApp.class);
        //设置作业名称
        job.setJobName("Max temp");
        //输入路径
        FileInputFormat.addInputPath(job, new Path(args[0]));
        //输出路径
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        //设置mapper类型
        job.setMapperClass(MyMaxTempMapper.class);
        //设置reducer类型
        job.setReducerClass(MyMaxTempReducer.class);
        //设置对应输出key的类型
        job.setOutputKeyClass(Text.class);
        //设置对应输出value的类型
        job.setOutputValueClass(IntWritable.class);
        //开始执行job
        System.out.println(job.waitForCompletion(true) ? 0 : 1);
    }
}

31.Job提交过程分析

【编程模型】
    map（映射） + reduce（化简）
【调用流程】
    1.job.waitForCompletion()
    2.submit()提交作业给cluster，并等待完成
      a)ensureState(JobState.DEFINE)确保状态
      b)setUseNewAPI()使用新型API
      c)connect()创建集群对象
      d)创建JobSubmitter
    3.submitter.submitJobInternal(Job.this, cluster)
      a)checkSpecs(job)检查输出目录，已存在则出异常
      b)JobSubmissionFiles.getStagingDir()建立hdfs的临时目录
      c)InetAddress.getLocalHost()取得本地ip
      d)submitClient.getNewJobID()创建作业id
      e)copyAndConfigureFiles()使用命令行参数设置conf信息
      f)writeSplits(job, submitJobDir)在临时目录下产生创建切片文件
      g)conf.setInt(MRJobConfig.NUM_MAPS, maps)设置map数量
      h)writeConf(conf, submitJobFile)提交job.xml到提交目录
      i)submitClient.submitJob()通过执行器提交作
    4.submitClient.submitJob()通过执行器提交作业
      a)Job job = new Job()创建LocalJobRunner.Job内部类对象
    5.Job job = new Job()
      a)通过临时目录下job.xml创建JobConf
      b)this.start()启动线程，即调用run()方法
    6.this.start()
      a)TaskSplitMetaInfo[]获取task切片信息
      b)getMapTaskRunnables()得到mapper对应的runnable
      c)runTasks(mapRunnables, mapService, "map")
      d)getReduceTaskRunnables()得到reduce的任务数
      e)runTasks(reduceRunnables, reduceService, "reduce")
    7.runTasks()
      for (Runnable r : runnables) {
          service.submit(r);
      }
    8.LocalJobRunner$Job$MapTaskRunnable
      a)创建MapAttempId
      b)创建MapTask
      c)创建MaoOutFile
      d)map.setXXX()
      e)map.run()
      f)
    9.org.apache.hadoop.mapred.MapTask$run()
      a)runNewMapper()
    10.runNewMapper
      a)创建taskContext
      b)taskContext.getMapperClass()用反射拿到Mapper对象
      c)创建InputFormat
      d)创建split
      e)创建NewOutputCollector即context对象
    11.mapper.run(mapperContext)
    12.MyMaxTempMapper$run()
      setup(context);
      try {
          while (context.nextKeyValue()) {
              map(...)
          }
      } finally {
          cleanup()
      }

【提交作业至集群】

    编译打包后，在集群中通过
    hadoop jar jarFile classname arg1 arg2 ..
    进行作业的提交