本篇內容主要講解“MapReduce怎么使用”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“MapReduce怎么使用”吧!
什么是MR
MR是一種分布計算模型，主要用來解決海量數據的計算問題的。它包含了兩種計算函數，一個是Mapping，另外一個是Reducing。Mapping對集合內的每個目標做同一個操作，Reduceing則是遍歷集合中的元素返回一個綜合的結果。我們操作代碼時，只需要重寫map和reduce方法就行，十分簡單。這兩個函數的形參都是k，v對，當數據量到達10PB以上時，則會速度變慢。
MR執行過程
MR程序啟動時，會把輸入文件轉化成<k1,v1>鍵值對傳給map函數，有幾個鍵值對就執行幾次map函數，但不是說有幾個鍵值對就有幾個Mapper進程，這是不對的。經過map函數處理，變成<k2,v2>鍵值對。由<k2,v2>轉變成reduce函數的輸入<k2,{v2,.....}>的過程被稱之為shuffle。shuffle并不是象map和reduce這樣的某個函數，不是需要單獨拿出節點運行的，它僅僅只是一個過程。<k2,{v2...}>進過reduce函數處理，變成了最后的輸出<k3,v3>。在到達reduce函數之前，鍵值對的數目是不變的。
Map階段
（1）.根據輸入文件解析成<k1,v1>對，每一對調用一次map函數
（2）.根據自己編寫的map函數，將鍵值對處理，變成新的<k2,v2>鍵值對輸出
（3）.對輸出的鍵值對進行分區，不同分區對應著不同的Reducer進程
（4）.每個分區中的鍵值對，根據key進行排序，分組。然后把相同key的val放到同一個集合中。
（5）.進行規約(可選)
Reduce階段
（1）.多個map函數輸出的kv對，按照不同分區，傳輸到不同的reduce節點上。
（2）.將多個map函數輸出的kv對合并，排序。根據reduce函數邏輯，處理<k2,{v2..}>，轉換成新的鍵值對輸出
（3）.輸出保存文件
3.簡單例子
Wordcount
public class WordCount {
public static class MyMapper extends Mapper<LongWritable, Text, Text, LongWritable>{
Text k2=new Text();
LongWritable v2=new LongWritable();
@Override
protected void map(LongWritable k1, Text v1,Context context)
throws IOException, InterruptedException {
String[] words=v1.toString().split("\t");
for (String string : words) {
k2.set(string);
v2.set(1L);
context.write(k2, v2);
}
}
}
public static class MyReduce extends Reducer<Text, LongWritable, Text, LongWritable>{
LongWritable v3=new LongWritable();
@Override
protected void reduce(Text k2, Iterable<LongWritable> v2s,Context context) throws IOException, InterruptedException {
long sum=0;
for (LongWritable longWritable : v2s) {
sum=sum+longWritable.get();
}
v3.set(sum);
context.write(k2, v3);
}
}
public static void main(String[] args) throws Exception {
Configuration conf=new Configuration();
Job job=Job.getInstance(conf, WordCount.class.getSimpleName());
job.setJarByClass(WordCount.class);
job.setMapperClass(MyMapper.class);
job.setReducerClass(MyReduce.class);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(LongWritable.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(LongWritable.class);
FileInputFormat.setInputPaths(job, new Path("hdfs://115.28.138.100:9000/a.txt"));
FileOutputFormat.setOutputPath(job, new Path("hdfs://115.28.138.100:9000/out4"));
job.waitForCompletion(true);
}
}4.MR的序列化
序列化就是把結構化的對象轉換為字節流，在MR中，他沒有用java自己的序列化，而是自己實現了一套序列化。因為相比較而言，hadoop的序列化有著諸多優點。在mr程序中，我們的參數和輸出的鍵值對全都是實現了序列化的對象，當我們需要自訂一個序列化對象，該如何操作呢？只需要實現Writable接口即可，當然key需要實現WritableComparable接口，因為需要根據key來排序和分組。
接著有個小例子來展示序列化。就是電信流量的處理例子。
public class LiuLiang {
public static class MyMapper extends Mapper<LongWritable, Text, Text, MyArrayWritable>{
Text k2=new Text();
MyArrayWritable v2=new MyArrayWritable();
LongWritable v21=new LongWritable();
LongWritable v22=new LongWritable();
LongWritable v23=new LongWritable();
LongWritable v24=new LongWritable();
LongWritable[] values=new LongWritable[4];
@Override
protected void map(LongWritable k1, Text v1, Context context)
throws IOException, InterruptedException {
String[] words=v1.toString().split("\t");
k2.set(words[1]);
v21.set(Long.parseLong(words[6]));
v22.set(Long.parseLong(words[7]));
v23.set(Long.parseLong(words[8]));
v24.set(Long.parseLong(words[9]));
values[0]=v21;
values[1]=v22;
values[2]=v23;
values[3]=v24;
v2.set(values);
context.write(k2, v2);
}
}
public static class MyReduce extends Reducer<Text, MyArrayWritable, Text, Text>{
Text v3=new Text();
@Override
protected void reduce(Text k2, Iterable<MyArrayWritable> v2s, Context context)
throws IOException, InterruptedException {
long sum1=0;
long sum2=0;
long sum3=0;
long sum4=0;
for (MyArrayWritable myArrayWritable : v2s) {
Writable[] values= myArrayWritable.get();
sum1=sum1+((LongWritable)values[0]).get();
sum2=sum2+((LongWritable)values[1]).get();
sum3=sum3+((LongWritable)values[2]).get();
sum4=sum4+((LongWritable)values[3]).get();
}
v3.set("\t"+sum1+"\t"+sum2+"\t"+sum3+"\t"+sum4);
context.write(k2, v3);
}
}
public static void main(String[] args) throws Exception {
Configuration conf=new Configuration();
Job job=Job.getInstance(conf, LiuLiang.class.getSimpleName());
job.setJarByClass(LiuLiang.class);
job.setMapperClass(MyMapper.class);
job.setReducerClass(MyReduce.class);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(MyArrayWritable.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(Text.class);
FileInputFormat.setInputPaths(job, new Path("hdfs://115.28.138.100:9000/HTTP_20130313143750.dat"));
FileOutputFormat.setOutputPath(job, new Path("hdfs://115.28.138.100:9000/ceshi3"));
job.waitForCompletion(true);
}
}
class MyArrayWritable extends ArrayWritable{
public MyArrayWritable(){
super(LongWritable.class);
}
public MyArrayWritable(String[] arg0) {
super(arg0);
}
}5.SequenceFile
在HDFS的學習中，提到了小文件的解決方案，其中一個便是這個SequenceFile。他是一種無序存儲，將kv對序列化到文件中，從而合并許多小文件并且支持壓縮。缺點是必須遍歷才能查看里面各個小文件。
public class SequenceFileTest {
public static void main(String[] args) throws Exception{
Configuration conf = new Configuration();
FileSystem fileSystem = FileSystem.get(new URI("hdfs://115.28.138.100:9000"), conf, "hadoop");
//Write(conf, fileSystem);
Read(conf, fileSystem);
}
private static void Read(Configuration conf, FileSystem fileSystem) throws IOException {
Reader reader=new SequenceFile.Reader(fileSystem, new Path("/sqtest"), conf);
Text key=new Text();
Text val=new Text();
while(reader.next(key, val)){
System.out.println(key.toString()+"----"+val.toString());
}
IOUtils.closeStream(reader);
}
private static void Write(Configuration conf, FileSystem fileSystem) throws IOException {
Writer writer = SequenceFile.createWriter(fileSystem, conf, new Path("/sqtest"), Text.class, Text.class);
Collection<File> files = FileUtils.listFiles(new File("F:\\ceshi1"), new String[] { "txt" }, false);
for (File file : files) {
Text text = new Text();
text.set(FileUtils.readFileToString(file));
writer.append(new Text(file.getName()), text);
}
IOUtils.closeStream(writer);
}
}到此，相信大家對“MapReduce怎么使用”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
