查询学校信息的网站,开发小程序流程,竹业网站建设,百度一下下载安装MapReduce 初级编程实践
验环境#xff1a;
操作系统#xff1a;Linux#xff08;建议Ubuntu16.04#xff09;#xff1b; Hadoop版本#xff1a;3.2.2#xff1b;
#xff08;一#xff09;编程实现文件合并和去重操作
对于两个输入文件#xff0c;即文件 A 和…MapReduce 初级编程实践
验环境
操作系统Linux建议Ubuntu16.04 Hadoop版本3.2.2
一编程实现文件合并和去重操作
对于两个输入文件即文件 A 和文件 B请编写 MapReduce 程序对两个文件进行合并
并剔除其中重复的内容得到一个新的输出文件 C。下面是输入文件和输出文件的一个样例 供参考。
输入文件 A 的样例如下
20170101 x
20170102 y
20170103 x
20170104 y
20170105 z
20170106 x
输入文件 B 的样例如下
20170101 y
20170102 y
20170103 x
20170104 z
20170105 y
根据输入文件 A 和 B 合并得到的输出文件 C 的样例如下
20170101 x
20170101 y
20170102 y
20170103 x
20170104 y
20170104 z
20170105 y
20170105 z
20170106 x
实现上述操作的 Java 代码如下
1.import java.io.IOException;
2.
3.import org.apache.hadoop.conf.Configuration;
4.import org.apache.hadoop.fs.Path;
5.import org.apache.hadoop.io.IntWritable;
6.import org.apache.hadoop.io.Text;
7.import org.apache.hadoop.mapreduce.Job;
8.import org.apache.hadoop.mapreduce.Mapper;
9.import org.apache.hadoop.mapreduce.Reducer;
10.import org.apache.hadoop.util.GenericOptionsParser;
11.import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
12.import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
13.
14.public class Merge {
15.
16. /**
17. * param args
18. * 对A,B两个文件进行合并并剔除其中重复的内容得到一个新的输出文件C
19. */
20. //在这重载map函数直接将输入中的value复制到输出数据的key上 注意在map方法中要抛出异常throws IOException,InterruptedException
21. public static class Map extends MapperObject, Text, Text, Text {
22. private static Text text new Text();
23. public void map(Object key, Text value, Context content) throws IOException, InterruptedException {
24.
25. text value;
26. content.write(text, new Text());
27. }
28. }
29. //在这重载reduce函数直接将输入中的key复制到输出数据的key上 注意在reduce方法上要抛出异常throws IOException,InterruptedException
30. public static class Reduce extends ReducerText, Text, Text, Text {
31. public void reduce(Text key, IterableText values, Context context) throws IOException, InterruptedException {
32. context.write(key, new Text());
33. }
34. }
35.
36. public static void main(String[] args) throws Exception{
37.
38. // TODO Auto-generated method stub
39. Configuration conf new Configuration();
40. conf.set(fs.defaultFS,hdfs://localhost:9000);
41. String[] otherArgs new String[]{input,output}; /* 直接设置输入参数 */
42. if (otherArgs.length ! 2) {
43. System.err.println(Usage: wordcount in out);
44. System.exit(2);
45. }
46. Job job Job.getInstance(conf,Merge and duplicate removal);
47. job.setJarByClass(Merge.class);
48. job.setMapperClass(Map.class);
49. job.setCombinerClass(Reduce.class);
50. job.setReducerClass(Reduce.class);
51. job.setOutputKeyClass(Text.class);
52. job.setOutputValueClass(Text.class);
53. FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
54. FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
55. System.exit(job.waitForCompletion(true) ? 0 : 1);
56. }
}
运行结果 图1文件合并去重java运行结果 图2文件合并输出结果 二 编程实现对输入文件的排序
现在有多个输入文件每个文件中的每行内容均为一个整数。要求读取所有文件中的整
数进行升序排序后输出到一个新的文件中输出的数据格式为每行两个整数第一个数
字为第二个整数的排序位次第二个整数为原待排列的整数。下面是输入文件和输出文件的
一个样例供参考。
输入文件 1 的样例如下
33
37
12
40
输入文件 2 的样例如下
4
16
39
5
输入文件 3 的样例如下
1
45
25
根据输入文件 1、2 和 3 得到的输出文件如下
1 1
2 4
3 5
4 12
5 16
6 25
7 33
54
8 37
9 39
10 40
11 45 JAVA代码如下
1.import java.io.IOException;
2.import org.apache.hadoop.conf.Configuration;
3.import org.apache.hadoop.fs.Path;
4.import org.apache.hadoop.io.IntWritable;
5.import org.apache.hadoop.io.Text;
6.import org.apache.hadoop.mapreduce.Job;
7.import org.apache.hadoop.mapreduce.Mapper;
8.import org.apache.hadoop.mapreduce.Partitioner;
9.import org.apache.hadoop.mapreduce.Reducer;
10.import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
11.import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
12.import org.apache.hadoop.util.GenericOptionsParser;
13.
14.
15.public class MergeSort {
16. /**
17. * param args
18. * 输入多个文件每个文件中的每行内容均为一个整数
19. * 输出到一个新的文件中输出的数据格式为每行两个整数第一个数字为第二个整数的排序位次第二个整数为原待排列的整数
20. */
21. //map函数读取输入中的value将其转化成IntWritable类型最后作为输出key
22. public static class Map extends MapperObject, Text, IntWritable, IntWritable{
23.
24. private static IntWritable data new IntWritable();
25. public void map(Object key, Text value, Context context) throws IOException,InterruptedException{
26. String text value.toString();
27. data.set(Integer.parseInt(text));
28. context.write(data, new IntWritable(1));
29. }
30. }
31.
32. //reduce函数将map输入的key复制到输出的value上然后根据输入的value-list中元素的个数决定key的输出次数,定义一个全局变量line_num来代表key的位次
33. public static class Reduce extends ReducerIntWritable, IntWritable, IntWritable, IntWritable{
34. private static IntWritable line_num new IntWritable(1);
35. public void reduce(IntWritable key, IterableIntWritable values, Context context) throws IOException,InterruptedException{
36. for(IntWritable val : values){
37. context.write(line_num, key);
38. line_num new IntWritable(line_num.get() 1);
39. }
40. }
41. }
42.
43. //自定义Partition函数此函数根据输入数据的最大值和MapReduce框架中Partition的数量获取将输入数据按照大小分块的边界然后根据输入数值和边界的关系返回对应的Partiton ID
44. public static class Partition extends PartitionerIntWritable, IntWritable{
45. public int getPartition(IntWritable key, IntWritable value, int num_Partition){
46. int Maxnumber 65223;//int型的最大数值
47. int bound Maxnumber/num_Partition1;
48. int keynumber key.get();
49. for (int i 0; inum_Partition; i){
50. if(keynumberbound * (i1) keynumberbound * i){
51. return i;
52. }
53. }
54. return -1;
55. }
56. }
57.
58. public static void main(String[] args) throws Exception{
59. // TODO Auto-generated method stub
60. Configuration conf new Configuration();
61. conf.set(fs.default.name,hdfs://localhost:9000);
62. String[] otherArgs new String[]{input,output}; /* 直接设置输入参数 */
63. if (otherArgs.length ! 2) {
64. System.err.println(Usage: wordcount inout);
65. System.exit(2);
66. }
67. Job job Job.getInstance(conf,Merge and sort);
68. job.setJarByClass(MergeSort.class);
69. job.setMapperClass(Map.class);
70. job.setReducerClass(Reduce.class);
71. job.setPartitionerClass(Partition.class);
72. job.setOutputKeyClass(IntWritable.class);
73. job.setOutputValueClass(IntWritable.class);
74. FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
75. FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
76. System.exit(job.waitForCompletion(true) ? 0 : 1);
77. }
78.} 运行结果 图3文件内容排序运行结果 三 对给定的表格进行信息挖掘
下面给出一个 child-parent 的表格要求挖掘其中的父子辈关系给出祖孙辈关系的
表格。
输入文件内容如下
child parent
Steven Lucy
Steven Jack
Jone Lucy
Jone Jack
Lucy Mary
Lucy Frank
Jack Alice
Jack Jesse
David Alice
David Jesse
Philip David
Philip Alma
Mark David
Mark Alma
输出文件内容如下
grandchild grandparent
Steven Alice
Steven Jesse
Jone Alice
Jone Jesse
Steven Mary
Steven Frank
Jone Mary
Jone Frank
Philip Alice
Philip Jesse
Mark Alice
Mark Jesse JAVA代码如下
1.import java.io.IOException;
2.import java.util.*;
3.
4.import org.apache.hadoop.conf.Configuration;
5.import org.apache.hadoop.fs.Path;
6.import org.apache.hadoop.io.IntWritable;
7.import org.apache.hadoop.io.Text;
8.import org.apache.hadoop.mapreduce.Job;
9.import org.apache.hadoop.mapreduce.Mapper;
10.import org.apache.hadoop.mapreduce.Reducer;
11.import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
12.import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
13.import org.apache.hadoop.util.GenericOptionsParser;
14.
15.public class simple_data_mining {
16. public static int time 0;
17.
18. /**
19. * param args
20. * 输入一个child-parent的表格
21. * 输出一个体现grandchild-grandparent关系的表格
22. */
23. //Map将输入文件按照空格分割成child和parent然后正序输出一次作为右表反序输出一次作为左表需要注意的是在输出的value中必须加上左右表区别标志
24. public static class Map extends MapperObject, Text, Text, Text{
25. public void map(Object key, Text value, Context context) throws IOException,InterruptedException{
26. String child_name new String();
27. String parent_name new String();
28. String relation_type new String();
29. String line value.toString();
30. int i 0;
31. while(line.charAt(i) ! ){
32. i;
33. }
34. String[] values {line.substring(0,i),line.substring(i1)};
35. if(values[0].compareTo(child) ! 0){
36. child_name values[0];
37. parent_name values[1];
38. relation_type 1;//左右表区分标志
39. context.write(new Text(values[1]), new Text(relation_typechild_nameparent_name));
40. //左表
41. relation_type 2;
42. context.write(new Text(values[0]), new Text(relation_typechild_nameparent_name));
43. //右表
44. }
45. }
46. }
47.
48. public static class Reduce extends ReducerText, Text, Text, Text{
49. public void reduce(Text key, IterableText values,Context context) throws IOException,InterruptedException{
50. if(time 0){ //输出表头
51. context.write(new Text(grand_child), new Text(grand_parent));
52. time;
53. }
54. int grand_child_num 0;
55. String grand_child[] new String[10];
56. int grand_parent_num 0;
57. String grand_parent[] new String[10];
58. Iterator ite values.iterator();
59. while(ite.hasNext()){
60. String record ite.next().toString();
61. int len record.length();
62. int i 2;
63. if(len 0) continue;
64. char relation_type record.charAt(0);
65. String child_name new String();
66. String parent_name new String();
67. //获取value-list中value的child
68.
69. while(record.charAt(i) ! ){
70. child_name child_name record.charAt(i);
71. i;
72. }
73. ii1;
74. //获取value-list中value的parent
75. while(ilen){
76. parent_name parent_namerecord.charAt(i);
77. i;
78. }
79. //左表取出child放入grand_child
80. if(relation_type 1){
81. grand_child[grand_child_num] child_name;
82. grand_child_num;
83. }
84. else{//右表取出parent放入grand_parent
85. grand_parent[grand_parent_num] parent_name;
86. grand_parent_num;
87. }
88. }
89.
90. if(grand_parent_num ! 0 grand_child_num ! 0 ){
91. for(int m 0;mgrand_child_num;m){
92. for(int n0;ngrand_parent_num;n){
93. context.write(new Text(grand_child[m]), new Text(grand_parent[n]));
94. //输出结果
95. }
96. }
97. }
98. }
99. }
100. public static void main(String[] args) throws Exception{
101. // TODO Auto-generated method stub
102. Configuration conf new Configuration();
103. conf.set(fs.default.name,hdfs://localhost:9000);
104. String[] otherArgs new String[]{input,output}; /* 直接设置输入参数 */
105. if (otherArgs.length ! 2) {
106. System.err.println(Usage: wordcount inout);
107. System.exit(2);
108. }
109. Job job Job.getInstance(conf,Single table join);
110. job.setJarByClass(simple_data_mining.class);
111. job.setMapperClass(Map.class);
112. job.setReducerClass(Reduce.class);
113. job.setOutputKeyClass(Text.class);
114. job.setOutputValueClass(Text.class);
115. FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
116. FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
117. System.exit(job.waitForCompletion(true) ? 0 : 1);
118. }
119.}
运行结果 图4简单文件信息挖掘运行结果 出现的问题
1、做第一个实验的时候输出文件的内容是一长串文本Apache License 2.0 图5第一个实验文件合并去重输出结果
2、做第二个实验的时候忘记删除output输出文件夹导致程序运行报错 图6第二个实验java程序运行报错
3、做第二个实验的时候,删除了output输出文件夹依然有报错For input string “” 图7第二个实验java程序运行报错信息 解决方案列出遇到的问题和解决办法列出没有解决的问题
1、 图8第一个实验的输入文件夹input当中的内容 上传输入文本到HDFS的时候input文件夹还遗留了一个文本LICENSE.txt文件没有删除导致这三个文本进行了合并操作删除该文件后再运行java程序输出结果正确。
2、
再次运行程序如果不删除上一次运行结束后的输出文件夹就报错每次手动去删除输出文件夹简直太麻烦了。在run()方法或者main()方法视个人程序结构而定中加入如下代码就可以让程序在运行时先自动删除与设定的输出文件夹同名的文件夹。
1.Path in new Path(args1[0]);
2.Path out new Path(args1[1]);
3.FileSystem fileSystem FileSystem.get(new URI(in.toString()), new Configuration());
4. if (fileSystem.exists(out)) {
5. fileSystem.delete(out, true);
6. } 希望大家适当的利用。
