在 Hadoop 上编写 MapReduce 程序 —— 上下文

在 Hadoop 上编写 MapReduce 程序 —— 上下文

https://www.oschina.net/translate/writing-hadoop-map-reduce-program-in-java?print

Map Reduce是包含两个过程：Map过程和Reduce过程。每一个过程都包含键值对作为输入，程序员可以选择键和值的类型。

Map和Reduce的数据流是这样的：

Input ==> Map ==> Mapper Output ==> Sort and shuffle ==> Reduce ==> Final Output

使用Java编写Hadoop Map Reduce代码

Map Reduce程序需要三个元素：Map， Reduce和运行任务的代码（在这里，我们把它叫做Invoker）。

 

1） 创建Map（可以是任何名字）类和map函数，map函数是在org.apache.hadoop.mapreduce.Mapper.class类中，以抽象方法定义的。

01	import org.apache.hadoop.io.IntWritable;

02	import org.apache.hadoop.io.LongWritable;

03	import org.apache.hadoop.io.Text;

04	import org.apache.hadoop.mapreduce.Mapper;

05

06	import java.io.IOException;

07

08	public class Map extends Mapper<LongWritable, Text, Text,IntWritable> {

09	private final static IntWritable one = new IntWritable(1);

10	private Text word = new Text();

11	public void map(LongWritable key,Text value,Context context) throws IOException, InterruptedException {

12	word.set(value.toString());

13	context.write(word, one);

14

}

15

}

解释：

Mapper类是一个泛型类，带有4个参数（输入的键，输入的值，输出的键，输出的值）。在这里输入的键为LongWritable（hadoop中的Long类型），输入的值为Text（hadoop中的String类型），输出的键为Text（关键字）和输出的值为Intwritable（hadoop中的int类型）。以上所有hadoop数据类型和java的数据类型都很相像，除了它们是针对网络序列化而做的特殊优化。

2） 创建Reducer（任何名字）类和reduce函数，reduce函数是在org.apache.hadoop.mapreduce.Reducer.class类中，以抽象方法定义的。

01	import org.apache.hadoop.io.IntWritable;

02	import org.apache.hadoop.io.Text;

03	import org.apache.hadoop.mapreduce.Reducer;

04

05	import java.io.IOException;

06	import java.util.Iterator;

07

08	public class Reduce extends Reducer<Text, IntWritable, Text,IntWritable> {

09

@Override

10	protected void reduce(Text key, Iterable values, Context context) throws IOException, InterruptedException {

11	int sum = 0;

12	for(IntWritable intWritable : values){

13	sum += intWritable.get();

14

}

15	context.write(key, new IntWritable(sum));

16

}

17

}

解释：

Reducer类是一个泛型类，带有4个参数（输入的键，输入的值，输出的键，输出的值）。在这里输入的键和输入的值必须跟Mapper的输出的类型相匹配，输出的键是Text（关键字），输出的值是Intwritable（出现的次数）

3）我们已经准备号了Map和Reduce的实现类，现在我们需要invoker来配置Hadoop任务，调用Map Reduce程序。

01	import org.apache.hadoop.conf.Configuration;

02	import org.apache.hadoop.fs.Path;

03	import org.apache.hadoop.io.Text;

04	import org.apache.hadoop.mapreduce.Job;

05	import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;

06	import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

07

08	public class WordCount{

09	public static void main(String[] args) throws Exception {

10	Configuration configuration = new Configuration();

11	configuration.set("fs.default.name", "hdfs://localhost:10011");

12	configuration.set("mapred.job.tracker","localhost:10012");

13

14	Job job = new Job(configuration, "Word Count");

15

16	job.setJarByClass(WordCount.class);

17	job.setMapperClass(Map.class);

18	job.setReducerClass(Reduce.class);

19	job.setOutputKeyClass(Text.class);

20	job.setOutputValueClass(Text.class);

21	job.setInputFormatClass(org.apache.hadoop.mapreduce.lib.input.TextInputFormat.class);

22	job.setOutputFormatClass(org.apache.hadoop.mapreduce.lib.output.TextOutputFormat.class);

23	FileInputFormat.addInputPath(job, new Path(args[0]));

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

25

26	//Submit the job to the cluster and wait for it to finish.

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

28

}

29

}

4）编译代码：

mkdir WordCount javac -classpath ${HADOOP_HOME}/hadoop-0.20.2+228-core.jar -d WordCount path/*.java

5）创建jar包

jar -cvf ~/WordCount.jar -C WordCount/ .

6）在本地文件系统中创建输入文件

例如：mkdir /home/user1/wordcount/input

cd /wordcount/input gedit file01 gedit file02

7）复制本地的输入文件到HDFS

$HADOOP_HOME/bin/hadoop fs -cp ~/wordcount/input/file01 /home/user1/dfs/input/file01 $HADOOP_HOME/bin/hadoop fs -cp ~/wordcount/input/file02 /home/user1/dfs/input/file02

8) 执行jar包

$HADOOP_HOME/bin/hadoop jar WordCount.jar WordCount /home/user1/dfs/input /home/user1/dfs/output

9）执行完毕后，以下的命令是用于查看reduce的输出文件

$HADOOP_HOME/bin/hadoop fs -ls /home/user1/dfs/output/

10）使用如下命令来查看文件：

$HADOOP_HOME/bin/hadoop fs -cat hdfs:///home/user1/dfs/output/part-00000 $HADOOP_HOME/bin/hadoop fs -cat hdfs:///home/user1/dfs/output/part-00001 $HADOOP_HOME/bin/hadoop fs -cat hdfs:///home/user1/dfs/output/part-00002

接下来的文章：在Java Hadoop MapReduce中使用Distributed Cache

本文地址：https://www.oschina.net/translate/writing-hadoop-map-reduce-program-in-java

原文地址：http://randomzone.in/2013/02/14/writing-hadoop-map-reduce-program-in-java/