InputFormat到key-value生成流程，reduce写出数据流程

最新推荐文章于 2022-10-31 17:09:42 发布

cihongmo6452

最新推荐文章于 2022-10-31 17:09:42 发布

阅读量173

点赞数

文章标签：大数据

原文链接：https://my.oschina.net/sniperLi/blog/500341

版权

本文详细解析了Hadoop MapReduce的工作流程，包括inputformat读取数据过程，map任务如何通过RecordReader处理输入split，以及reduce任务如何读取map输出的中间结果并进行聚合处理。同时，介绍了自定义reducer的实现方式及outputformat的写入过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

inputformat读取数据流程

public abstract class InputFormat<K, V> {

  public abstract
    List<InputSplit> getSplits(JobContext context
                               ) throws IOException, InterruptedException;
 
  public abstract
    RecordReader<K,V> createRecordReader(InputSplit split,
                                         TaskAttemptContext context
                                        ) throws IOException,
                                                 InterruptedException;

}

public abstract class FileInputFormat<K, V> extends InputFormat<K, V> {

public class TextInputFormat extends FileInputFormat<LongWritable, Text> {

getSplits方法，获得对输入文件的切分数量，每一个split对应一个map。
创建RecordReader，该RecordReader接收切分好的split，实现nextKeyValue、getCurrentKey、getCurrentValue。

如下所示，每个map类都会继承Mapper类，在Mapper类中，run方法会调用InputFormat中的RecordReader来获得key、value

public class Mapper<KEYIN, VALUEIN, KEYOUT, VALUEOUT> {
  /**
   * Expert users can override this method for more complete control over the
   * execution of the Mapper.
   * @param context
   * @throws IOException
   */
  public void run(Context context) throws IOException, InterruptedException {
    setup(context);
    try {
      while (context.nextKeyValue()) {
        map(context.getCurrentKey(), context.getCurrentValue(), context);
      }
    } finally {
      cleanup(context);
    }
  }
}

reduce写出数据流程：

reduce读取map输出的中间结果
org.apache.hadoop.mapreduce.Reducer<KEYIN, VALUEIN, KEYOUT, VALUEOUT>
public void run(Context context) throws IOException, InterruptedException {
  setup(context);
  try {
    while (context.nextKey()) {
      //调用reduce方法，该方法一般由自定义的业务reducer重写
      reduce(context.getCurrentKey(), context.getValues(), context);
      Iterator<VALUEIN> iter = context.getValues().iterator();
      if(iter instanceof ReduceContext.ValueIterator) {
        ((ReduceContext.ValueIterator<VALUEIN>)iter).resetBackupStore();        
      }
    }
  } finally {
    cleanup(context);
  }
}

/**
 * 自定义reducer，重写父类reduce方法
 */
public class IssueDataRecordDistinctReducer extends Reducer<Text, LongWritable, NullWritable,Text> {

private NullWritable nullKey = NullWritable.get();

protected void reduce(Text key, Iterable<LongWritable> values, Context context)	throws IOException, InterruptedException {
	context.write(nullKey, new Text("hello"));
}

}

context.write(nullKey, new Text("hello"));
reduce中，每一次context.write操作都会调用自定义OutputFormat中的RecordWrite类中的write方法

转载于:https://my.oschina.net/sniperLi/blog/500341