分布式计算框架MapReduce

 MapReduce编程模型之执行步骤：

　　准备map处理的输入数据

　　Mapper处理

　　shuffle处理

　　reduce处理 

InputFormat：将我们的输入数据进行分片（Split）：InputSplit[]  getSplitss()

TextInptFormat:处理文本格式的数据

outputFormat：输出

 

MapReduce1.X架构

　　1） JobTracker：

　　　　作业管理者

　　　　将作业分解成一堆的任务：Task（MapTask和ReduceTask）

　　　　将任务分配给taskTracker运行

　　　　作业的监控、容错处理（Task作业挂了重启task机制）

　　　　在一定时间间隔内，JT没有收到TT的心跳信息，tt可能是挂了，TT上运行的任务会被支配到其他TT上执行

　　2）TaskTracker：TT

　　　　任务的执行者

　　　　在TT上执行我们的task 、

　　　　与JT交互：执行、启动、停止 发送心跳信息给JT

　　　3） mapTask

　　　　自己开发的map任务交给task处理

　　　　将map输出结写到本地磁盘

　　4） reduceTask

　　　　将map的输入数据进行读取

　　　　按照数据进行分组传给我们自己编写的reduce方法处理

　　　　输入结构写到hdfs

　　

MapReduce2.x的架构

 

 

　　　

编写MapReduce作业 代码如下：

package com.zl.hadoop.mapreduce;

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.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;

import java.io.IOException;

/**
 * MapReduce开发wordCount应用
 *
 * @author zhagnlei
 * @ProjectName: hadoopResource
 * @create 2018-12-08 20:48
 * @Version: 1.0
 * <p>Copyright: Copyright (zl) 2018</p>
 **/
public class WordCountApp {

    /**
     * Map:读取输入文件
     */
    public static class MyMapper extends Mapper<LongWritable, Text, Text, LongWritable> {

        LongWritable one = new LongWritable(1);

        @Override
        protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
            String line = value.toString();
            String[] words = line.split(" ");
            for (String word :words) {
                //通过上下文静map结果输出
                context.write(new Text(word), one);
            }
        }
    }

    /**
     * Reduce:归并操作
     */
    public static class MyReducer extends Reducer<Text, LongWritable, Text, LongWritable> {
        @Override
        protected void reduce(Text key, Iterable<LongWritable> values, Context context) throws IOException, InterruptedException {
            long sum = 0;
            for (LongWritable value : values) {
                //求key单词出现的次数总和
                sum += value.get();
            }
            context.write(key, new LongWritable(sum));
        }
    }

    /**
     * 定义Driver：封装MapReduce作业的所有信息
     */
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        Configuration configuration = new Configuration();
        Job job = Job.getInstance(configuration, "wordCount");
        //设置job的处理类
        job.setJarByClass(WordCountApp.class);

        //设置作业处理的输入路径
        FileInputFormat.setInputPaths(job, new Path(args[0]));

        //设置map相关的参数
        job.setMapperClass(MyMapper.class);
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(LongWritable.class);

        //通过job的设置combiner,是的在map的时候统计一次，减少网络传输
        job.setCombinerClass(MyReducer.class);

        //设置Reduce相关输出路径
        job.setReducerClass(MyReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(LongWritable.class);

        //设置作业输出

        FileOutputFormat.setOutputPath(job, new Path(args[1]));

        System.exit(job.waitForCompletion(true) ? 0 : 1);

    }
}

 通过maven编译成jar文件，提交到服务器执行

 

hadoop执行命令： hadoop jar  +jar文件路径+主类+参数

具体命令如下：hadoop jar hadoopResource-1.0-SNAPSHOT.jar com.zl.hadoop.mapreduce.WordCountApp hdfs://192.168.1.4:8020/hello.txt hdfs://192.168.1.4:8020/wo