HADOOP的学习笔记 （第五期） hadoop示例代码分析 .

上一期中已经能跑成功一个hadoop程序了。这一期来记录下，还分析下代码内容，我也只是参照。《Hadoop 权威指南》加上我自己的见解来进行分析。

示例代码：

[java] view plain copy print ?

1. public class WordCount {  
2.   
3.     /** 
4.      * extends Mapper<Object,Text,Text,IntWritable> 
5.      * 其中此4个泛型的含义为k1,v1,k2,v2 
6.      * 即：输入map的key与value， 
7.      * map输出的key与value 
8.      */  
9.     public static class TokenizerMapper extends  
10.             Mapper<Object, Text, Text, IntWritable> {  
11.   
12.         private final static IntWritable one = new IntWritable(1);  
13.         private Text word = new Text();  
14.   
15.         public void map(Object key, Text value, Context context)  
16.                 throws IOException, InterruptedException {  
17.             StringTokenizer itr = new StringTokenizer(value.toString());  
18.             while (itr.hasMoreTokens()) {  
19.                 word.set(itr.nextToken());  
20.                 context.write(word, one);  
21.             }  
22.         }  
23.     }  
24.   
25.     /** 
26.      * extends Reducer<Text,IntWritable,Text,IntWritable> 
27.      * 其中此4个泛型的含义为k2,v2,k3,v3 
28.      * 即：reduce输入的key与value 
29.      * reduce输出的key与value 
30.      * 其中此k2,v2与map中的k2,v2相同 
31.      */  
32.     public static class IntSumReducer extends  
33.             Reducer<Text, IntWritable, Text, IntWritable> {  
34.         private IntWritable result = new IntWritable();  
35.   
36.         public void reduce(Text key, Iterable<IntWritable> values, Context context)  
37.                 throws IOException, InterruptedException {  
38.             int sum = 0;  
39.             for (IntWritable val : values) {  
40.                 sum += val.get();  
41.             }  
42.             result.set(sum);  
43.             context.write(key, result);  
44.         }  
45.     }  
46.   
47.     public static void main(String[] args) throws Exception {  
48.         Configuration conf = new Configuration();  
49.         conf.set("mapred.job.tracker", "192.168.0.151:9001");  
50.         String[] ars = new String[] { "input", "output3" };  
51.         String[] otherArgs = new GenericOptionsParser(conf, ars)  
52.                 .getRemainingArgs();  
53.         if (otherArgs.length != 2) {  
54.             System.err.println("Usage: wordcount  ");  
55.             System.exit(2);  
56.         }  
57.         //注册一个名为wordcount的job   
58.         Job job = new Job(conf, "wordcount");  
59.         //job以引用的类为WordCount   
60.         job.setJarByClass(WordCount.class);  
61.         //mapper引用的class   
62.         job.setMapperClass(TokenizerMapper.class);  
63.         //combiner引用的class   
64.         job.setCombinerClass(IntSumReducer.class);  
65.         //reduce引用的class   
66.         job.setReducerClass(IntSumReducer.class);  
67.         //k3输出的key   
68.         job.setOutputKeyClass(Text.class);  
69.         //v3输出的value   
70.         job.setOutputValueClass(IntWritable.class);  
71.         //数据输入路径   
72.         FileInputFormat.addInputPath(job, new Path(otherArgs[0]));  
73.         //数据输出路径   
74.         FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));  
75.         System.exit(job.waitForCompletion(true) ? 0 : 1);  
76.     }  
77. }  

public class WordCount {

	/**
	 * extends Mapper<Object,Text,Text,IntWritable>
	 * 其中此4个泛型的含义为k1,v1,k2,v2
	 * 即：输入map的key与value，
	 * map输出的key与value
	 */
	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 {
			StringTokenizer itr = new StringTokenizer(value.toString());
			while (itr.hasMoreTokens()) {
				word.set(itr.nextToken());
				context.write(word, one);
			}
		}
	}

	/**
	 * extends Reducer<Text,IntWritable,Text,IntWritable>
	 * 其中此4个泛型的含义为k2,v2,k3,v3
	 * 即：reduce输入的key与value
	 * reduce输出的key与value
	 * 其中此k2,v2与map中的k2,v2相同
	 */
	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 {
			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();
		conf.set("mapred.job.tracker", "192.168.0.151:9001");
		String[] ars = new String[] { "input", "output3" };
		String[] otherArgs = new GenericOptionsParser(conf, ars)
				.getRemainingArgs();
		if (otherArgs.length != 2) {
			System.err.println("Usage: wordcount  ");
			System.exit(2);
		}
		//注册一个名为wordcount的job
		Job job = new Job(conf, "wordcount");
		//job以引用的类为WordCount
		job.setJarByClass(WordCount.class);
		//mapper引用的class
		job.setMapperClass(TokenizerMapper.class);
		//combiner引用的class
		job.setCombinerClass(IntSumReducer.class);
		//reduce引用的class
		job.setReducerClass(IntSumReducer.class);
		//k3输出的key
		job.setOutputKeyClass(Text.class);
		//v3输出的value
		job.setOutputValueClass(IntWritable.class);
		//数据输入路径
		FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
		//数据输出路径
		FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
		System.exit(job.waitForCompletion(true) ? 0 : 1);
	}
}

此处我认为需要多解释的几个地方是：

1.关于job设置输入输出的数据类型，有几种配置类型的属性，以及必须类型一致的属性：

2.关于combiner合并函数：

为map执行完以后进行合并操作的一个函数，此函数的输出，与reduce的输入相同，此是一个优化方案，应该相当于reduce的一个前置，所以说，无论调用多少次combiner合并函数，最后的reduce结果应该都是不变的，那什么场景适合用合并函数呢？举个例子：找寻最大值

第一个map任务的输出结果为：

2000 50

2000 70

2000 80

第二个map任务的输出结果为：

2000 90

2000 99

reduce函数调用的时候输出的结果是{2000，{50,70,80,90,99}}，99最大，最后输出的结果为(2000,99)

而combiner的操作结果就是。

传入reduce函数的数据为{2000,{80,99}}最后输出的结果为{2000,99}

最后的结果与原来一样，只是流程有些不相同。

即：max(50,70,80,90,99) = max(max(50,70,80),max(90,99))但是不是所有场景都是用，比如求平均值的时候。