【填坑之旅-hadoop-03】hadoop2.10.1 wordcount（Mapper，Reducer，Job,ToolRunner,Tool，InputFormat，OutputFormat）

最新推荐文章于 2022-10-26 11:51:00 发布

原创最新推荐文章于 2022-10-26 11:51:00 发布 · 156 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#hadoop #hdfs #mapreduce

大数据hadoop-填坑专栏收录该内容

13 篇文章

订阅专栏

本文详细介绍了Hadoop MapReduce的任务提交和执行流程，从客户端提交jar包到JobTracker，再到TaskTracker领取任务并执行Mapper和Reducer任务。过程中涉及JobClient、JobTracker、TaskTracker以及YARN的角色和交互，同时展示了WordCount案例中的Mapper和Reducer实现。

注意

eclipse 最后在有hadoop的centos的机器上直接跑，不然问题会比较多
或者打成jar包，通过 hadoop jar XXX.jar cn.itcast.hadoop.mr.wordcount.WCRunner 在yarn上跑

job运行流程

input->split->map->buffer->partition->merge->sort->merge->reduce->output

(1).客户端提交一个mr的jar包给JobClient(提交方式：hadoop jar ...)
(2).JobClient通过RPC和JobTracker进行通信，返回一个存放jar包的地址（HDFS）和jobId
(3).client将jar包写入到HDFS当中(path = hdfs上的地址 + jobId)
(4).开始提交任务(任务的描述信息，不是jar, 包括jobid，jar存放的位置，配置信息等等)
(5).JobTracker进行初始化任务
(6).读取HDFS上的要处理的文件，开始计算输入分片，每一个分片对应一个MapperTask
(7).TaskTracker通过心跳机制领取任务（任务的描述信息）
(8).下载所需的jar，配置文件等
(9).TaskTracker启动一个java child子进程，用来执行具体的任务（MapperTask或ReducerTask）
(10).将结果写入到HDFS当中

在这里插入图片描述

mapreduce 任务调用机制

在这里插入图片描述
job.waitforcompletion()
RunJar
RM -Job
RM -staging-dir
HDFS /yarn-staging-dir/jobid
RM - job quene
NM- 领取任务
RM-分配 container
RM -NM- MRAPPMaster (启动注册)
MRAPPMaster-map task( yarn child )
MRAPPMaster-reduce task( yarn child )
MRAPPMaster (注销)

在这里插入图片描述

ResourceManager NodeManager (节点) container
MapReduce MRAPPMaster --container – yarn child （动态）

提交任务时切片split流程

在这里插入图片描述

WCMapper.class

主要用的类

Mapper
类型：LongWritable Text
WritableComparable
Context

输入数据格式

文本的一行数据

输出数据格式

<hello,1>
<tim,1>

package cn.itcast.hadoop.mr.wordcount;

import java.io.IOException;

import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

//4个泛型中，前两个是指定mapper输入数据的类型，KEYIN是输入的key的类型，VALUEIN是输入的value的类型
//map 和 reduce 的数据输入输出都是以 key-value对的形式封装的
//默认情况下，框架传递给我们的mapper的输入数据中，key是要处理的文本中一行的起始偏移量，这一行的内容作为value
public class WCMapper extends Mapper<LongWritable, Text, Text, LongWritable>{
	
	//mapreduce框架每读一行数据就调用一次该方法
	@Override
	protected void map(LongWritable key, Text value,Context context)
			throws IOException, InterruptedException {
		//具体业务逻辑就写在这个方法体中，而且我们业务要处理的数据已经被框架传递进来，在方法的参数中 key-value
		//key 是这一行数据的起始偏移量     value 是这一行的文本内容
		
		//将这一行的内容转换成string类型
		String line = value.toString();
		
		//对这一行的文本按特定分隔符切分
		String[] words = StringUtils.split(line, " ");
		
		//遍历这个单词数组输出为kv形式  k：单词   v ： 1
		for(String word : words){
			
			context.write(new Text(word), new LongWritable(1));
			
		}
		

	}

	
	
}

WCReducer.class

主要用的类

Reducer
Context

输入数据格式

<hello,{1,1,1,1}>
<tim,{1,1}>

输出数据格式

<hello,4>
<tim,2>

package cn.itcast.hadoop.mr.wordcount;

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>{
	
	
	
	//框架在map处理完成之后，将所有kv对缓存起来，进行分组，然后传递一个组<key,valus{}>，调用一次reduce方法
	//<hello,{1,1,1,1,1,1.....}>
	@Override
	protected void reduce(Text key, Iterable<LongWritable> values,Context context)
			throws IOException, InterruptedException {

		long count = 0;
		//遍历value的list，进行累加求和
		for(LongWritable value:values){
			
			count += value.get();
		}
		
		//输出这一个单词的统计结果
		
		context.write(key, new LongWritable(count));
		
	}
	
	

}

WCRunner.class

主要用的类

Configuration
Job
FileInputFormat
FileOutputFormat
waitForCompletion

package cn.itcast.hadoop.mr.wordcount;

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.mapred.YARNRunner;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

/**
 * 用来描述一个特定的作业
 * 比如，该作业使用哪个类作为逻辑处理中的map，哪个作为reduce
 * 还可以指定该作业要处理的数据所在的路径
 * 还可以指定改作业输出的结果放到哪个路径
 * ....
 * @author duanhaitao@itcast.cn
 *
 */
public class WCRunner {

	public static void main(String[] args) throws Exception {
		
		Configuration conf = new Configuration();
		
		//conf.set("HADOOP_CLASSPATH", "hadoop classpath");
		
		//JobSubmitter
		
		
		//如果实在非hadoop用户环境下提交任务
        //System.setProperty("HADOOP_USER_NAME","hadoop");
        //System.out.println("HADOOP_USER_NAME: "+System.getProperty("HADOOP_USER_NAME"));
		
		Job wcjob = Job.getInstance(conf);
		
		//设置整个job所用的那些类在哪个jar包
		wcjob.setJarByClass(WCRunner.class);
		
		
		//本job使用的mapper和reducer的类
		wcjob.setMapperClass(WCMapper.class);
		wcjob.setReducerClass(WCReducer.class);
		
		
		//指定reduce的输出数据kv类型
		wcjob.setOutputKeyClass(Text.class);
		wcjob.setOutputValueClass(LongWritable.class);
		
		//指定mapper的输出数据kv类型
		wcjob.setMapOutputKeyClass(Text.class);
		wcjob.setMapOutputValueClass(LongWritable.class);
		
		
		//指定要处理的输入数据存放路径
		//FileInputFormat.setInputPaths(wcjob, new Path("hdfs://master:9000/wc/srcdata/"));
		FileInputFormat.setInputPaths(wcjob, new Path("D:/java/hadoop/wc/srcdata/"));
		
		//指定处理结果的输出数据存放路径
		//FileOutputFormat.setOutputPath(wcjob, new Path("hdfs://master:9000/wc/output3/"));
		FileOutputFormat.setOutputPath(wcjob, new Path("D:/java/hadoop/wc/output/"));
		
		//将job提交给集群运行 
		wcjob.waitForCompletion(true);
		
		//YARNRunner
		
		
	}
	
	
	
	
}