基础：MapReduce 实践

本文已参加「新人创作礼」活动，一起开启掘金创作之路。

这次带来的是大数据框架基础： MapReduce 的简单实践。

如果想要学习 MapReduce ，单词计数实践一定是我们的首选，人送外号：MapReduce 版 “ Hello World ”。

概念

对于 map

• 读取文件每一行的内容，并将其解析成 key、value 对

• 对 key、value 进行处理，转换成自己所需要的输出

• 分区

• 对不同分区的数据，依据自己的目标进行处理。在这里是按照 key 进行排序、分组，将相同 key 的 value 放到一个集合中

对于 reduce

• 按照不同的分区，通过网络将 map 的输出复制到不同的 reduce 节点中

• 对 map 的输出结果进行处理，转换成自己所需要的输出

• 将 reduce 的输出保存到文件中

目标

l  简单掌握基本的 MapReduce 思想；

l  掌握用 MapReduce 解决基本问题如 单词计数 等。

环境

l  操作系统：Linux（建议Ubuntu16.04）

l  Hadoop版本：2.7.1

操作

使用 MapReduce 对单词数进行计数。

示例输入
There
There
hello
hello
hi
name
there
what's
your

示例输出
hello	2
hi	1
name	1
there	2
what's	1

解析

我们可以利用 Intellij IDEA 编写好可执行相关操作的代码，导入 Linux 生成 jar 文件。

创建 word.txt 文件，并上传至 hdfs 文件系统

使用 MapReduce 对文件进行处理

得到结果

 

具体实现代码

import java.io.IOException;

import java.util.Iterator;

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.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 WordCount {

    public WordCount() {

    }

 

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

        Configuration conf = new Configuration();

        String[] otherArgs = (new GenericOptionsParser(conf, args)).getRemainingArgs();

        if(otherArgs.length < 2) {

            System.err.println("Usage: wordcount <in> [<in>...] <out>");

            System.exit(2);

        }

 

        Job job = Job.getInstance(conf, "word count");

        job.setJarByClass(WordCount.class);

        job.setMapperClass(WordCount.TokenizerMapper.class);

        job.setCombinerClass(WordCount.IntSumReducer.class);

        job.setReducerClass(WordCount.IntSumReducer.class);

        job.setOutputKeyClass(Text.class);

        job.setOutputValueClass(IntWritable.class);

 

        for(int i = 0; i < otherArgs.length - 1; ++i) {

            FileInputFormat.addInputPath(job, new Path(otherArgs[i]));

        }

 

        FileOutputFormat.setOutputPath(job, new Path(otherArgs[otherArgs.length - 1]));

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

    }

 

    public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {

        private IntWritable result = new IntWritable();

 

        public IntSumReducer() {

        }

 

        public void reduce(Text key, Iterable<IntWritable> values, Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException {

            int sum = 0;

 

            IntWritable val;

            for(Iterator i$ = values.iterator(); i$.hasNext(); sum += val.get()) {

                val = (IntWritable)i$.next();

            }

 

            this.result.set(sum);

            context.write(key, this.result);

        }

    }

 

    public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> {

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

        private Text word = new Text();

 

        public TokenizerMapper() {

        }

 

        public void map(Object key, Text value, Mapper<Object, Text, Text, IntWritable>.Context context) throws IOException, InterruptedException {

            StringTokenizer itr = new StringTokenizer(value.toString());

 

            while(itr.hasMoreTokens()) {

                this.word.set(itr.nextToken());

                context.write(this.word, one);

            }

 

        }

    }

}