MapReduce 的进一步了解（一）

1、map任务处理

1.1读取输入文件内容，接卸成key、value对。对输入文件的每一行，解析成key、value对。每一个键值对调用一次map函数。

1.2写自己的逻辑，对输入的key、value处理，转换成新的key、value输出。

1.3对输出的key、value进行分区。

1.4对不同分区的数据，按照key进行排序、分区。相同key的value放到一个集合中。

1.5（可选）分组后的数据进行归纳。

2、reduce任务处理

2.1对多个map任务的输出，按照不同的分区，通过网络copy到不同的reduce节点。

2.2对多个map任务的输出进行合并、排序。写reduce函数自己的逻辑，对输入的key、value处理，转换成新的key、value输出。

2.3把reduce的输出保存到文件中。

===================================================================================

3、worldcount案例应用

/*

 * 1、分析业务逻辑，确定输入输出数据的样式

 * 2、自定义一个类，这个类要继承mapper，重写map方法，实现具体业务逻辑，然后将新的key，value输出

 * 3、自顶一个各类，这个类要继承reducer，重写reduce方法，实现具体业务逻辑，然后将新的key,value输出

 * 4、将自定义的mapper和reducer通过job对象组装起来

 */

map方法

package cn.intcast.hadoop.mr;

import java.io.IOException;

import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

public class WCMapper extends Mapper<LongWritable, Text , Text, LongWritable>{

//重写map方法 shift+alt+s
//注意序列化机制，jdk和hadoop中的序列化是不一样的，这里应采用hadoop中的类LongWritable,对应long；Text对应String
@Override
protected void map(LongWritable key, Text value, Context context)
throws IOException, InterruptedException {
//接收数据V1
String line = value.toString();
//切分数据
String[] words = line.split(" ");
//循环
for(String w:words)
{
//出现一次，记录一次输出
context.write(new Text(w), new LongWritable(1));
}
}

}

reduce函数

package cn.intcast.hadoop.mr;

import java.io.IOException;

import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

public class WCReducer extends Reducer<Text, LongWritable, Text, LongWritable> {

@Override
protected void reduce(Text k2, Iterable<LongWritable> v2s, Context context)
throws IOException, InterruptedException {
//接收数据
Text k3 = k2;
//定义一个计数器
long counter = 0;
//循环v2s
for(LongWritable i : v2s){
counter += i.get();
}
//输出
context.write(k3, new LongWritable(counter));
}

}

WorldCount主函数

package cn.intcast.hadoop.mr;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
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;

public class WorldCount {

public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {

//构建一个job对象
Job job = Job.getInstance(new Configuration());

//注意：main方法所在的类
job.setJarByClass(WorldCount.class);

//组装map和reduce方法
//设置mapper相关属性
job.setMapperClass(WCMapper.class);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(LongWritable.class);

FileInputFormat.setInputPaths(job, new Path("/user/guest/words.txt"));

//设置reducer相关属性
job.setReducerClass(WCReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(LongWritable.class);

FileOutputFormat.setOutputPath(job, new Path("/wcout0804"));

job.waitForCompletion(true);
}
}