MapReduce编程

1.       MapReduce编程模型

     一种分布式计算模型框架，解决海量数据的计算问题。

     MapReduce将整个并行计算过程抽象到两个函数：

1)       Map（映射）：对一些独立元素组成的列表的每一个元素进行指定的操作，可以高度并行；

2)       Reduce（化简）：对一个列表的元素进行合并；

一个简单的MapReduce程序只要制定map()、reduce()、input和output，剩下的事由框架完成。

适合用 MapReduce 来处理的数据集(或任务)有一个基本要求：待处理的数据集可以分解成许多小的数据集，而且每一个小数据集都可以完全并行地进行处理。

Job：用户的每一个计算请求；

Task：拆分出来的执行的单位；

2.       MapReduce编程

Map阶段：

1)       输入数据格式的解析，InputFormat;

2)       输入数据处理，Mapper;

3)       数据分组（map函数处理以后的结果数据），Partitioner

Reduce阶段：

1)       数据远程拷贝

2)       数据按照key进行排序

3)       数据处理，reduce函数

4)       数据输出格式（reduce函数处理以后得结果数据），OutputFormat

package org.dragon.hadoop.mr;

import java.io.IOException;
import java.util.StringTokenizer;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

/**
 * MapReduce书写例子 wordcount
 */
public class WordCount {

	//Mapper 区域
	/* 
	 *  KEYIN : 输入Key类型
	 * 	VALUEIN ：输入value类型
	 * 	KEYOUT : 输出key类型 
	 * 	VALUEOUT ： 输出value类型
	 */
	/*
	 *  wordcount 程序 map类
	 */
	static class MyMapper extends Mapper<LongWritable, Text, Text, IntWritable>{
		private final static IntWritable one = new IntWritable(1);
		private Text word = new Text();
		
		@Override
		protected void map(LongWritable key, Text value,
				Mapper<LongWritable, Text, Text, IntWritable>.Context context)
				throws IOException, InterruptedException {
			//获取每行数据的值
			String lineValue = value.toString();
			//进行分割
			StringTokenizer stringTokenizer = new StringTokenizer(lineValue);
			
			while(stringTokenizer.hasMoreTokens()){
				String wordValue = stringTokenizer.nextToken();
				
				//设置map 输出的key值
				word.set(wordValue);
				//上下文输出map的key值和value值
				context.write(word, one); 
			} //end while 
		}
		
	}
	
	//Reducer 区域
	/*
	 * wordcount 程序 reduce 类
	 */
	static class MyReducer extends Reducer<Text, IntWritable, Text, IntWritable>{
		private IntWritable result = new IntWritable();
		
		@Override
		protected void reduce(Text key, Iterable<IntWritable> values,
				Reducer<Text, IntWritable, Text, IntWritable>.Context context)
				throws IOException, InterruptedException {
			int sum = 0 ;
			
			for(IntWritable value:values){
				sum += value.get();
			}
			result.set(sum);
			context.write(key, result); 
		}
	 
	}
	
	//客户端
	public static void main(String[] args) throws Exception {
		Configuration configuration = new Configuration();
		Job job = new Job(configuration,"wc");
		
		//1、设置job运行的类
		job.setJarByClass(WordCount.class);
		
		//2、设置Mapper 和 Reduceer 类
		job.setMapperClass(MyMapper.class);
		job.setReducerClass(MyReducer.class);
		
		//3、设置输入文件的目录和输出文件的目录
		FileInputFormat.addInputPath(job, new Path(args[0]));
		FileOutputFormat.setOutputPath(job, new Path(args[1]));
		
		//4、设置输出结果key 和 value 的类型
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(IntWritable.class); 
		
		//5、提交job，等待运行结果，并在客户端显示客户端运行信息
		boolean isSuccess = job.waitForCompletion(true);
		
		//6、结束程序
		System.exit(isSuccess ? 0:1); 
	}
	
}