文章目录
0. MapReduce介绍
Hadoop MapReduce是一个软件框架，可以轻松编写应用程序，以可靠、容错的方式在大型集群(数千个节点)的商用硬件上并行处理大量数据(多tb数据)。
MapReduce作业通常将输入数据集分割成独立的块，这些块由map任务以完全并行的方式处理。框架对映射的输出进行排序，然后将其输入到reduce任务中。通常，作业的输入和输出都存储在文件系统中。框架负责调度任务，监视它们并重新执行失败的任务。
MapReduce框架由单个主ResourceManager、每个集群节点一个工作NodeManager和每个应用程序MRAppMaster组成。
应用程序指定输入/输出位置，并通过适当的接口和/或抽象类的实现提供map和reduce功能。这些和其他作业参数组成了作业配置。
然后Hadoop作业客户端将作业(jar/可执行文件等)和配置提交给ResourceManager, ResourceManager负责将软件/配置分发给worker，调度任务并监视它们，向作业客户端提供状态和诊断信息。
Inputs and Outputs
MapReduce框架只<k,v>键值对进行操作，也就是说，框架将作业的输入视为一组对，并产生一组<k,v>键值对作为作业的输出，可以想象不同类型。 键和值类必须是框架可序列化的，因此需要实现Writable接口。此外，·键类必须实现WritableComparable接口·，以便于根据框架进行排序。
(input) <k1, v1> -> map -> <k2, v2> -> combine -> <k2, v2> -> reduce -> <k3, v3> (output).
1. 词频统计的代码
/**
* 词频统计
*/
public class WordCount {
/**
* Map类需要继承Mapper
*/
public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> {
private final static IntWritable one = new IntWritable(1);
private Text word = new Text();
public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
//每一行字符串进行处理
StringTokenizer itr = new StringTokenizer(value.toString());
while (itr.hasMoreTokens()) {
word.set(itr.nextToken());
context.write(word, one);
}
}
}
/**
* reduce操作
*/
public static class IntSumReducer extends Reducer<Text,IntWritable,Text,IntWritable> {
private IntWritable result = new IntWritable();
public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
//计数器累加
int sum = 0;
for (IntWritable val : values) {
sum += val.get();
}
result.set(sum);
context.write(key, result);
}
}
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
Job job = Job.getInstance(conf, "word count");
//windows异构平台运行 需要添加如下属性
conf.set("mapreduce.app-submission.cross-platform","true");
job.setJar("D:\\devproject\\devcode\\code\\bigdata\\target\\bigdata-1.0-SNAPSHOT.jar");
//设置要运行的类
job.setJarByClass(WordCount.class);
//设置Mapper类
job.setMapperClass(TokenizerMapper.class);
//设置Combine
//ob.setCombinerClass(IntSumReducer.class);
job.setReducerClass(IntSumReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
FileInputFormat.addInputPath(job, new Path("hdfs://node01:9000/data/wc/input/data.txt"));
FileOutputFormat.setOutputPath(job, new Path("hdfs://node01/data/wc/output"));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
