大数据分析学习第六课使用Java语言开发MapReduce实战

我们知道，从Hadoop官网下载的部署包里，提供了不少jar包示例，但是我们不了解内部的实现逻辑，今天我就给大家介绍下，在java开发环境下怎么实现一个MapReducereduceTask聚合操作，就是对key相同的一组数据进行处理，具体的聚合逻辑通过接口的方式暴露给用户，由用户来指定（同mapTask方式）。reduce Task处理结果，将最后的聚合结果写入hdfs中，每个reduceTas

猫头鹰数据分析

1288人浏览 · 2021-04-08 20:11:15

猫头鹰数据分析 · 2021-04-08 20:11:15 发布

我们知道，从Hadoop官网下载的部署包里，提供了不少jar包示例，但是我们不了解内部的实现逻辑，今天我就给大家介绍下，在java开发环境下怎么实现一个MapReduce

reduce Task 聚合操作，就是对key相同的一组数据进行处理，具体的聚合逻辑通过接口的方式暴露给用户，由用户来指定（同mapTask方式）。

reduce Task处理结果，将最后的聚合结果写入hdfs中，每个reduce Task最终形成一个文件，文件名称默认是part-r+reduceTask的编号。

总结：

map阶段，我们只需要提供具体的业务类，对mapTask读到的一行数据进行处理

reduce阶段，仍然需要我们提供具体的逻辑，对reduce拿到的一组相同key的kv数据进行处理

处理结果的传递：无论是map阶段还是recude阶段，数据处理结果的后续流程无需我们关系，我们只需要将各个阶段的数据都交给人家提供好的context对象就好；map阶段会将数据存着，将来想方设法地将数据结果传递给reduceTask，而且保证同一个key只给同一个reduce，reduce阶段会将数据写入hdfs，只要有一个结果key：value，就会往文件中追加一行。

下面介绍具体示例代码的编写，这里我沿用大数据分析学习第四课使用Java idea开发hdfs的基本功能-增删改查这节课的项目代码来做讲解

wordcount示例

注意点：mapreduce程序中，　　map阶段的进、出数据，　　reduce阶段的进、出数据，　　类型都应该是实现了HADOOP序列化框架的类型，如：

　　String对应Text

　　Integer对应IntWritable

　　Long对应LongWritable

编码实现

1、WordcountMapper类

package mapreduce;

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

public class WordcountMapper extends Mapper<LongWritable, Text, Text, IntWritable>{

  @Override
    protected void map(LongWritable key, Text value, Context context)
            throws IOException, InterruptedException {

        // 单词切分 按空格
        String line = value.toString();
        String[] words = line.split(" ");
        for(String word:words){
            context.write(new Text(word), new IntWritable(1));
        }
    }
}

2、WordcountReducer类

package mapreduce;

import java.io.IOException;
import java.util.Iterator;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

public class WordcountReducer extends Reducer<Text, IntWritable, Text, IntWritable>{

    @Override
    protected void reduce(Text key, Iterable<IntWritable> values,Context context) throws IOException, InterruptedException {

        int count = 0;
        Iterator<IntWritable> iterator = values.iterator();
        while(iterator.hasNext()){
            IntWritable value = iterator.next();
            count += value.get();
        }
        context.write(key, new IntWritable(count));
    }
}

3、客户端类Submitter开发

package mapreduce;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
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;
import java.io.IOException;
import java.net.URI;
public class JobSubmitter {
    public static class MyMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
        Text k2 = new Text();
        IntWritable v2 = new IntWritable(1);

        @Override
        protected void map(LongWritable k1, Text v1, Context context) throws IOException, InterruptedException {
            String[] strs = v1.toString().split(" ");
            for (String s : strs) {
                k2.set(s);
                context.write(k2, v2);
            }

        }
    }
  public static class MyReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
        IntWritable v3 = new IntWritable();

        @Override
        protected void reduce(Text k2, Iterable<IntWritable> v2s, Context context) throws IOException, InterruptedException {
            int sum = 0;
            for (IntWritable i : v2s) {
                sum += i.get();
            }
            v3.set(sum);
            context.write(k2, v3);
        }
    }
 public static void main(String[] args) throws Exception {
        // 在代码中设置JVM系统参数，用于给job对象来获取访问HDFS的用户身份
        // 或者通过eclipse图形化界面来设置 -DHADOOP_USER_NAME=root
        System.setProperty("HADOOP_USER_NAME", "root") ;


        Configuration conf = new Configuration();
        // 1、设置job运行时要访问的默认文件系统, map阶段要去读数据，reduce阶段要写数据
        conf.set("fs.defaultFS", "hdfs://master105:9000");
        // 2、设置job提交到哪去运行：有本地模拟的方式local
        conf.set("mapreduce.framework.name", "yarn");
        conf.set("yarn.resourcemanager.hostname", "master105");
        // 3、如果要从windows系统上运行这个job提交客户端程序，则需要加这个跨平台提交的参数
        conf.set("mapreduce.app-submission.cross-platform","true");

        // job中还要封装个多的参数
        Job job = Job.getInstance(conf);

        // 1、封装参数：jar包所在的位置：因为job客户端将来要把jar包（整个工程）发给yarn
        //job.setJar("d:/wc.jar");
        job.setJarByClass(JobSubmitter.class);//动态获取方式

          // 2、封装参数： 本次job所要调用的Mapper实现类、Reducer实现类
        job.setMapperClass(WordcountMapper.class);
        job.setReducerClass(WordcountReducer.class);

        // 3、封装参数：本次job的Mapper实现类、Reducer实现类产生的结果数据的key、value类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);

        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        
        Path output = new Path("/wordcount/output");
        FileSystem fs = FileSystem.get(new URI("hdfs://master105:9000"),conf,"root");
        if(fs.exists(output)){
            fs.delete(output, true);
        }

        // 4、封装参数：本次job要处理的输入数据集所在路径、最终结果的输出路径
        FileInputFormat.setInputPaths(job, new Path("/test/words"));
        FileOutputFormat.setOutputPath(job, output);  // 注意：输出路径必须不存在

         // 5、封装参数：想要启动的reduce task的数量（默认1），map task不需要设定，会根据数据集的大小自动切片计算。
        job.setNumReduceTasks(2);

        // 6、提交job给yarn，等待集群完成，这是一个阻塞式方法
        // 返回true表示mapreduce程序正常运行，false表示mapreduce程序运行失败，可能是中间的某一步。
        boolean res = job.waitForCompletion(true);//true便是吧Resource manager（会不断的反馈信息）反馈回来的信息输出。
        //job.submit();//提交之后直接退出

        //控制退出码
        System.exit(res?0:-1);

    }
}

整个项目结构如下