html做旅游网站,库尔勒网站建设电话,网站首页菜单栏,wordpress 图片默认居中一、概念
MapReduce是一个 分布式运算程序 的编程框架#xff0c;是用户开发“基于 Hadoop的数据分析 应用”的核心框架。 MapReduce核心功能是将 用户编写的业务逻辑代码 和 自带默认组件 整合成一个完整的 分布式运算程序 #xff0c;并发运行在一个 Hadoop集群上。
1、M…一、概念
MapReduce是一个 分布式运算程序 的编程框架是用户开发“基于 Hadoop的数据分析 应用”的核心框架。 MapReduce核心功能是将 用户编写的业务逻辑代码 和 自带默认组件 整合成一个完整的 分布式运算程序 并发运行在一个 Hadoop集群上。
1、MapReduce是集群上的并行计算框架 2、平时开发中只需要基于MapReduce接口编写业务逻辑代码即可。
二、优缺点
优点
1、易于编程 2、良好的扩展性 3、高容错性 4、适合PB级以上海量数据的离线处理
缺点
1、不擅长实时计算 Spark Streaming 2、不擅长流式计算 Spark Streaming、Flink 3、不擅长DAG有向无环图计算 Spark
三、算法思想
学过Java8的都知道MapReduce框架。 它是一款并发任务框架。 但是开发难度较大
在Hadoop中的MapReduce框架算法思想是一样的。 分两个阶段 第一阶段任务分发阶段Map阶段并行计算数据所有数据是互不相干。所有计算任务也是互不相干的。 第二阶段结果汇总阶段Reduce阶段并行统计Map计算出的结果汇总出最终结果返回给用户。
如果我们拿到的一批数据并非是等价的可能之间存在数据依赖那么我们就需要写多个MapReduce任务分别计算各个层级的数据。 所以开发MapReduce首先要分析数据的依赖关系然后编写分多个MapReduce进行计算即可。
四、WordCount案例源码阅读
1、WordCount源码
package org.apache.hadoop.examples;import java.io.IOException;
import java.util.StringTokenizer;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;public class WordCount
{public static class TokenizerMapperextends MapperObject, Text, Text, IntWritable{private static final IntWritable one new IntWritable(1);private Text word new Text();public void map(Object key, Text value, MapperObject, Text, Text, IntWritable.Context context) throws IOException, InterruptedException {StringTokenizer itr new StringTokenizer(value.toString());while (itr.hasMoreTokens()) {this.word.set(itr.nextToken());context.write(this.word, one);}}}public static class IntSumReducerextends ReducerText, IntWritable, Text, IntWritable {private IntWritable result new IntWritable();public void reduce(Text key, IterableIntWritable values, ReducerText, IntWritable, Text, IntWritable.Context context) throws IOException, InterruptedException {int sum 0;for (IntWritable val : values) {sum val.get();}this.result.set(sum);context.write(key, this.result);}}public static void main(String[] args) throws Exception {Configuration conf new Configuration();String[] otherArgs (new GenericOptionsParser(conf, args)).getRemainingArgs();if (otherArgs.length 2) {System.err.println(Usage: wordcount in [in...] out);System.exit(2);}Job job Job.getInstance(conf, word count);job.setJarByClass(WordCount.class);job.setMapperClass(TokenizerMapper.class);job.setCombinerClass(IntSumReducer.class);job.setReducerClass(IntSumReducer.class);job.setOutputKeyClass(Text.class);job.setOutputValueClass(IntWritable.class);for (int i 0; i otherArgs.length - 1; i) {FileInputFormat.addInputPath(job, new Path(otherArgs[i]));}FileOutputFormat.setOutputPath(job, new Path(otherArgs[otherArgs.length - 1]));System.exit(job.waitForCompletion(true) ? 0 : 1);}
}2、源码结构分析
主要三部分 1、程序入口main函数 主要关注7个job配置 2、Mapper内部类 主要关注四个泛型配置输入的key输入的value输出的key输出的value 3、Reducer内部类 主要关注四个泛型配置输入的key输入的value输出的key输出的value
3、数据类型对应关系 五、自定义开发WordCount
1、案例需求分析
从图中我们需要注意的是 Mapper阶段数据结构的变化过程最终输出的数据结构 Reducer阶段收到的数据结构和输出的数据结构
2、Mapper类实现
package com.atguigu.mapreduce.wordcount;import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;import java.io.IOException;/*** KEYIN, map阶段输入的key的类型LongWritable偏移量可以理解为txt文本内容中字符的下标。下标按行累加* VALUEIN,map阶段输入value类型Text* KEYOUT,map阶段输出的Key类型Text* VALUEOUT,map阶段输出的value类型IntWritable*/
public class WordCountMapper extends MapperLongWritable, Text, Text, IntWritable {private Text outK new Text();private IntWritable outV new IntWritable(1);Overrideprotected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {//可以看出这个案例中key偏移量没有起作用// 1 获取一行// atguigu atguiguString line value.toString();// 2 切割// atguigu// atguiguString[] words line.split( );// 3 循环写出for (String word : words) {// 封装outkoutK.set(word);// 写出context.write(outK, outV);}}
}3、Reducer类实现
package com.atguigu.mapreduce.wordcount;import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;import java.io.IOException;/*** KEYIN, reduce阶段输入的key的类型Text* VALUEIN,reduce阶段输入value类型IntWritable* KEYOUT,reduce阶段输出的Key类型Text* VALUEOUT,reduce阶段输出的value类型IntWritable*/
public class WordCountReducer extends ReducerText, IntWritable,Text,IntWritable {private IntWritable outV new IntWritable();Overrideprotected void reduce(Text key, IterableIntWritable values, Context context) throws IOException, InterruptedException {int sum 0;// atguigu, (1,1)// 累加for (IntWritable value : values) {sum value.get();}outV.set(sum);// 写出context.write(key,outV);}
}4、WordCountDriver类实现
这里需要注意的是这里的4和5两步骤。 4步骤确定Mapper的输入类型Mapper的输出类型要和Reducer的输入类型一致。 5步骤确定Reducer的输出类型。
package com.atguigu.mapreduce.wordcount;import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;import java.io.IOException;public class WordCountDriver {public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {// 1 获取jobConfiguration conf new Configuration();Job job Job.getInstance(conf);// 2 设置jar包路径job.setJarByClass(WordCountDriver.class);// 3 关联mapper和reducerjob.setMapperClass(WordCountMapper.class);job.setReducerClass(WordCountReducer.class);// 4 设置map输出的kv类型job.setMapOutputKeyClass(Text.class);job.setMapOutputValueClass(IntWritable.class);// 5 设置最终输出的kV类型job.setOutputKeyClass(Text.class);job.setOutputValueClass(IntWritable.class);// 6 设置输入路径和输出路径
// FileInputFormat.setInputPaths(job, new Path(E:\\workspace\\data\\input\\inputword));
// FileOutputFormat.setOutputPath(job, new Path(E:\\workspace\\data\\ouputword));FileInputFormat.setInputPaths(job, new Path(args[0]));FileOutputFormat.setOutputPath(job, new Path(args[1]));// 7 提交jobboolean result job.waitForCompletion(true);System.exit(result ? 0 : 1);}
}六、运行验证
1、本地运行
直接IDEA中运行main函数即可 debug查看偏移量 可以发现第二行的偏移量是11因为第一行2个test一个空格一个换行刚好10个 第二行的s就是11开始 所以MapReduce程序是按行读取文件内容的偏移量就是每行的第一个字符在文本中的位置 空格回车等都占一个字符。 可能出现的错误
java.lang.ClassNotFoundException: Class org.apache.hadoop.hdfs.DistributedFileSystem我的完整pom
?xml version1.0 encodingUTF-8?
project xmlnshttp://maven.apache.org/POM/4.0.0xmlns:xsihttp://www.w3.org/2001/XMLSchema-instancexsi:schemaLocationhttp://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsdmodelVersion4.0.0/modelVersiongroupIdcom.atguigu/groupIdartifactIdMapReduceDemo/artifactIdversion1.0-SNAPSHOT/versionpropertiesmaven.compiler.source8/maven.compiler.sourcemaven.compiler.target8/maven.compiler.target/propertiesdependenciesdependencygroupIdorg.apache.hadoop/groupIdartifactIdhadoop-client/artifactIdversion3.1.3/version/dependencydependencygroupIdorg.apache.hadoop/groupIdartifactIdhadoop-mapreduce-client-app/artifactIdversion3.1.3/version/dependencydependencygroupIdorg.apache.hadoop/groupIdartifactIdhadoop-yarn-server-resourcemanager/artifactIdversion3.1.3/version/dependencydependencygroupIdjunit/groupIdartifactIdjunit/artifactIdversion4.12/version/dependencydependencygroupIdorg.slf4j/groupIdartifactIdslf4j-log4j12/artifactIdversion1.7.30/version/dependency/dependenciesbuildpluginspluginartifactIdmaven-compiler-plugin/artifactIdversion3.6.1/versionconfigurationsource1.8/sourcetarget1.8/target/configuration/pluginpluginartifactIdmaven-assembly-plugin/artifactIdconfigurationdescriptorRefsdescriptorRefjar-with-dependencies/descriptorRef/descriptorRefs/configurationexecutionsexecutionidmake-assembly/idphasepackage/phasegoalsgoalsingle/goal/goals/execution/executions/plugin/plugins/build
/project2、集群中运行
集群中运行我们需要将代码生成jar包 然后上传到器群中运行即可。
1、生成jar包
生成jar包有两种情况 1、不将相关依赖包生成到jar包中 这个情况比较常用因为集群上都有相关环境所以这样可以节省jar大小从而上传快。 2、将相关依赖包生成到jar包中 这种比较少用。
2、器群中测试jar包
Driver类修改如下 上传jar包 在集群中找可用文件
执行wc.jar任务
hadoop jar wc.jar com.atguigu.mapreduce.wordcount.WordCountDriver /input/hello.txt /output在企业中差不多也是这样 本地搭建Hadoop的开发环境 分析数据的依赖关系然后编写MapReduce业务代码 上传集群执行
