11.MapReduce概述_1、试述mapreduce是什么。说一下你的理解。-优快云博客

本文链接：https://blog.youkuaiyun.com/qq_44739500/article/details/112133984

MapReduce是一种分布式编程框架，易于编程，具有良好的扩展性和高容错性，适合大规模离线数据处理。但缺点是不适合实时计算、流式计算和复杂的DAG任务。其核心思想包括Map阶段和Reduce阶段的并发处理。MapReduce程序包含Mapper、Reducer和Driver三部分，MapTask和ReduceTask分别处理Map和Reduce阶段。WordCount案例展示了MapReduce的基本操作，用于统计文本中单词出现的频率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

MapReduce概述

1MapReduce的定义

MapReduce是一个分布式运算程序的编程框架，是用户开发“基于Hadoop的数据分析应用”的核心框架
MapReduce核心功能是将用户编写的业务逻辑代码和自带默认组件整合成一个完整的分布式运算程序，并发运行在一个Hadoop集群上。

2 MapReduce的优缺点

2.1 优点

1）MapReduce 易于编程

它简单的实现一些接口，就可以完成一个分布式程序，这个分布式程序可以分布到大量廉价的PC机器上运行。也就是说你写一个分布式程序，跟写一个简单的串行程序是一模一样的。就是因为这个特点使得MapReduce编程变得非常流行。

2）良好的扩展性

当你的计算资源不能得到满足的时候，你可以通过简单的增加机器来扩展它的计算能力。

3）高容错性

MapReduce设计的初衷就是使程序能够部署在廉价的PC机器上，这就要求它具有很高的容错性。比如其中一台机器挂了，它可以把上面的计算任务转移到另外一个节点上运行，不至于这个任务运行失败，而且这个过程不需要人工参与，而完全是由Hadoop内部完成的。

4）适合PB级以上的海量数据的离线处理

可以实现上千台服务器集群并发工作，提供数据处理能力。

2.2 缺点

1）不擅长实时计算

MapReduce无法像MySQL一样，在毫秒或者秒级内返回结果。

2）不擅长流式计算

流式计算的输入数据是动态的，而MapReduce的输入数据集是静态的，不能动态变化。这是因为MapReduce自身的设计特点决定了数据源必须是静态的。

3）不擅长DAG（有向图）

多个应用程序存在依赖关系，后一个应用程序的输入为前一个的输出。在这种情况下，MapReduce并不是不能做，而是使用后，每个MapReduce作业的输出结果都会写入到磁盘，会造成大量的磁盘IO，导致性能非常的低下。

3 核心思想

1）分布式的运算程序往往需要分成至少 2 个阶段。
2）第一个阶段的 MapTask 并发实例，完全并行运行，互不相干。
3）第二个阶段的 ReduceTask 并发实例互不相干，但是他们的数据依赖于上一个阶段的所有MapTask 并发实例的输出。
4）MapReduce 编程模型只能包含一个 Map 阶段和一个 Reduce 阶段，如果用户的业务逻辑非常复杂，那就只能多个 MapReduce 程序，串行运行。
总结：分析 WordCount 数据流走向深入理解 MapReduce 核心思想

4 MapReduce进程

一个完整的MapReduce程序在分布式运行时有三类实例进程：

1）MrAppMaster：负责整个程序的过程调度及状态协调。
2）MapTask：负责Map阶段的整个数据处理流程。
3）ReduceTask：负责Reduce阶段的整个数据处理流程。

5 常用数据序列化类型

6 MapReduce编码规范

用户编写程序分成三部分：Mapper，Reducer，Driver。

1）Mapper阶段

用户自定义的Mapper要继承自己的父类
Mapper的输入数据是KV对的形式（KV的类型可自定义）
Mapper中的业务逻辑写在map()方法中
Mapper的输出数据是KV对的形式（KV的类型可自定义）
map()方法（MapTask进程）对每一个<K,V>调用一次

2）Reducer阶段

用户自定义的Reducer要继承自己的父类。
Reducer的输入数据类型对应Mapper的输出数据类型，也是KV
Reducer的业务逻辑写在reduce()方法中
ReduceTask进程对每一组相同k的<k,v>组调用一次reduce()方法

3）Driver阶段

相当于YARN集群的客户端，用于提交我们整个程序到YARN集群，提交的是封装了MapReduce程序相关运行参数的job对象

7 WordCount案例操作

7.1 需求

在给定的文本文件中统计输出每一个单词出现的总次数。

1）输入数据：

it it
ss ss
cls cls
jiao
banzhang
xue
hadoop

2）期望输出：

atguigu 2

banzhang 1

cls 2

hadoop 1

jiao 1

ss 2

xue 1

7.2 需求分析

7.3 代码实现

1）创建maven工程–使用idea进行演示

<dependencies>
    <dependency>
        <groupId>junit</groupId>
        <artifactId>junit</artifactId>
        <version>RELEASE</version>
    </dependency>
    <dependency>
        <groupId>org.apache.logging.log4j</groupId>
        <artifactId>log4j-core</artifactId>
        <version>2.8.2</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-common</artifactId>
        <version>2.7.2</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-client</artifactId>
        <version>2.7.2</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-hdfs</artifactId>
        <version>2.7.2</version>
    </dependency>
</dependencies>

2）创建日志文件：log4j.properties

log4j.rootLogger=INFO, stdout
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spring.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

3）编写Mapper类

源代码：

/**
 * Called once for each key/value pair in the input split. Most applications
 * should override this, but the default is the identity function.
 */
@SuppressWarnings("unchecked")
protected void map(KEYIN key, VALUEIN value, 
                   Context context) throws IOException, InterruptedException {
  context.write((KEYOUT) key, (VALUEOUT) value);
}

实现：

package com.it.mr;

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

import java.io.IOException;

/**
 * Map阶段：
 * keyIN:输入key类型
 * valueIn:输入的value的类型
 * keyOut:输出key类型
 * valueOut:输出value的类型
 *
 * @author : code1997
 * @date :2020-12-2020/12/31 17:37
 */
public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable> {

    Text k = new Text();
    IntWritable v = new IntWritable(1);

    /**
     * Map的方法：写map阶段的逻辑。
     *
     * @param key     ：行偏移量
     * @param value   ：一行的实际内容
     * @param context ：
     * @throws IOException          ：异常
     * @throws InterruptedException ：异常
     */
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        //1.获取一行
        String line = value.toString();
        //2.切割
        String[] words = line.split(" ");
        //3.输出
        for (String word :
                words) {
            k.set(word);
            //写到缓冲区中：单词为key，v为单词数：it：1
            context.write(k, v);
        }
    }
}

4）编写Reducer类

源代码：

/**
 * This method is called once for each key. Most applications will define
 * their reduce class by overriding this method. The default implementation
 * is an identity function.
 */
@SuppressWarnings("unchecked")
protected void reduce(KEYIN key, Iterable<VALUEIN> values, Context context
                      ) throws IOException, InterruptedException {
  for(VALUEIN value: values) {
    context.write((KEYOUT) key, (VALUEOUT) value);
  }
}

实现：

package com.it.mr;

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

import java.io.IOException;

/**
 * Reducer阶段：
 *
 * @author : code1997
 * @date :2020-12-2020/12/31 17:55
 */
public class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
    /**
     * reduce阶段
     *
     * @param key     ：
     * @param values  ：
     * @param context ：
     * @throws IOException          ：异常
     * @throws InterruptedException ：异常
     */
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        //1.对key的value值进行累加操作
        int sum = 0;
        for (IntWritable value :
                values) {
            sum += value.get();
        }
        //2.写出：it==2
        IntWritable v = new IntWritable(sum);
        context.write((Text) key, v);
    }
}

5）编写Driver类

package com.it.mr;

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

import java.io.IOException;

/**
 * @author : code1997
 * @date :2020-12-2020/12/31 18:05
 */
public class WordCountDriver {
    static final String[] FILE_PATH = new String[]{"e:/word.txt","e:/wordcount"};

    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        //1.获取配置信息以及封装任务
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);
        //2.设置jar的加载路径
        job.setJarByClass(WordCountDriver.class);
        //3.设置map和reduce类
        job.setMapperClass(WordCountMapper.class);
        job.setReducerClass(WordCountReducer.class);
        //4.设置map的输出
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);
        //5.设置最终输出的kv类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        //6.设置输入和输出路径
        FileInputFormat.setInputPaths(job, new Path(FILE_PATH[0]));
        FileOutputFormat.setOutputPath(job, new Path(FILE_PATH[1]));
        //7.提交
        boolean result = job.waitForCompletion(true);
        System.exit(result ? 0 : 1);
    }
}

输出路径：

输出内容：

该程序最好以debug的形式多次进行调试分析。

7.4 wordCount在集群上进行运行。

1）将项目进行打包并修改名字。

修改项目代码：输入参数。

package com.it.wordcount;

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

import java.io.IOException;

/**
 * @author : code1997
 * @date :2020-12-2020/12/31 18:05
 */
public class WordCountDriver {
    //static final String[] FILE_PATH = new String[]{"e:/word.txt", "e:/wordcount2"};

    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        //1.获取配置信息以及封装任务
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);
        //2.设置jar的加载路径
        job.setJarByClass(WordCountDriver.class);
        //3.设置map和reduce类
        job.setMapperClass(WordCountMapper.class);
        job.setReducerClass(WordCountReducer.class);
        //4.设置map的输出
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);
        //5.设置最终输出的kv类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        //6.设置输入和输出路径
        FileInputFormat.setInputPaths(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        //7.提交
        boolean result = job.waitForCompletion(true);
        System.exit(result ? 0 : 1);
    }
}

修改名字为wc.jar

2）上传到集群

将jar包上传到hadoop安装路径中。
将输入文件上传到hdfs上。

3）运行jar包

[code1997@hadoop02 hadoop-2.7.2]$ hadoop jar wc.jar com.it.wordcount.WordCountDriver /word.txt /output

输出：

4）查看hdfs

5）查看文件内容