Hadoop 学生平均成绩

1.实例描述

　　通过一个计算学生平均成绩的例子来讲解开发MapReduce程序的流程。输入文件都是纯文本文件，输入文件中的每行内容均为一个学生的姓名和他相应的成绩，如果有多门学科，则每门学科为一个文件。输出文件每行包含学生的姓名和平均成绩。下面给出样本输入文件，以及跑MapReduce程序过后的输出文件。代码亲测可用。注意：本人的开发环境是在Ubuntu+Eclipse下跑的。

　　1）math

　　2）china

　　3)english

　　4)输出文件

 

 2.程序代码

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.DoubleWritable;
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 org.apache.hadoop.util.GenericOptionsParser;


public class AvgScore {

    public static class Map extends Mapper<Object, Text, Text, DoubleWritable>{
        private static Text name = new Text();
        private static DoubleWritable score = new DoubleWritable();
        @Override
        protected void map(Object key, Text value,Mapper<Object, Text, Text, DoubleWritable>.Context context)
                throws IOException, InterruptedException {
            // TODO Auto-generated method stub
            //  super.map(key, value, context);
            String[] splits = value.toString().split("\t");    //  源文件一定要用tab键分割，不然会出错。
            if(splits.length!=2){
                return ;
            }
            name.set(splits[0]);
            score.set(Double.parseDouble(splits[1]));
//            System.out.println(name);
//            System.out.println(score);
            context.write(name, score);
        }
    }
    
    public static class Reduce extends Reducer<Text, DoubleWritable, Text, DoubleWritable>{
        private static DoubleWritable avg = new DoubleWritable();
        @Override
        protected void reduce(Text name, Iterable<DoubleWritable> scores,Reducer<Text, DoubleWritable, Text, DoubleWritable>.Context context)
                throws IOException, InterruptedException {
            // TODO Auto-generated method stub
            //   super.reduce(arg0, arg1, arg2);
            double sum = 0;
            int count = 0;
            for(DoubleWritable score:scores){
                sum += score.get();
                count ++;
            }
            avg.set(sum/count);
//            System.out.println(avg);
            context.write(name, avg);
        }
    }
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        // TODO Auto-generated method stub
        Configuration conf = new Configuration();
        String[] otherArgs = new GenericOptionsParser(conf,args).getRemainingArgs();
        if(otherArgs.length!=2){
            System.out.println("Usage:Score Avg");
            System.exit(2);
        }
        Job job = new Job(conf,"Score Avg");
        job.setJarByClass(AvgScore.class);
        job.setMapperClass(Map.class);
        job.setReducerClass(Reduce.class);
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(DoubleWritable.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(DoubleWritable.class);
        
        FileInputFormat.addInputPath(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        
        System.exit(job.waitForCompletion(true)?0:1);
    }

}

3.程序解释

　　Mapper处理的数据是由InputFormat分解过的数据集，其中 InputFormat的作用是将数据集切割成小数据集InputSplit，每一个InputSlit将由一个Mapper负责处理。此 外，InputFormat中还提供了一个RecordReader的实现，并将一个InputSplit解析成<key,value>对提 供给了map函数。InputFormat的默认值是TextInputFormat，它针对文本文件，按行将文本切割成InputSlit，并用 LineRecordReader将InputSplit解析成<key,value>对，key是行在文本中的位置，value是文件中的 一行。

　　Map的结果会通过partion分发到Reducer，Reducer做完Reduce操作后，将通过以格式OutputFormat输出。

　　Mapper最终处理的结果对<key,value>，会送到Reducer中进行合并，合并的时候，有相同key的键/值对则送到同一个 Reducer上。Reducer是所有用户定制Reducer类地基础，它的输入是key和这个key对应的所有value的一个迭代器，同时还有 Reducer的上下文。Reduce的结果由Reducer.Context的write方法输出到文件中。