通过WordCount案例深入理解MapReduce的实现过程

文章目录

1.0MapReduce流程介绍

一个完整的MapReduce程序分布运行时有三类实例进程

• MrAppMaster：负责整个程序的过程调度和状态协调
• MapTask：负责Map阶段的整个数据处理流程
• ReduceTask：负责Reduce阶段的整个数据处理过程

理解MapReduce序列化类型
Java类型****Hadoop Writable类型BooleanBooleanWritableByteByteWritableIntIntWritableFloatFloatWritableLongLongWritableDoubleDoubleWritableStringTextMapMapWritableArrayArrayWritableNullNullWritable

2.0MapReduce编程规范

用户编写程序分成三个部分：Mapper、Reducer、Driver

Mapper阶段

• 用户自定义的Mapper要继承自己的父类
• Mapper的输入数据是KV对的形式（KV的类型可自己定义）
• Mappper中的业务逻辑写在map()方法中
• Mapper的输出数据是KV对的形式
• map()方法（MapTask进程）对每一个<K,V>调用一次

Reduce阶段：

• 用户自定义的Reduce要继承自己的父类
• Reduce的输入数据类型应对Mapper的输出数据类型也是KV
• Reduce的业务；逻辑写在reduce方法中
• Reduce进程对每一组相同的<K,V>组调用一次reduce()方法

Driver阶段：

​ 相当于Yarn集群的客户端，用于提交我们，整个程序到Yarn集群，提交的是封装了MapReduce程序相关运行参数的job对象

3.0编码实现

3.1材料准备

准备一个word.txt文件输入相关内容

3.2业务流程介绍

3.3项目准备

1.创建Maven项目

2.添加依赖

   <dependencies>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>3.1.3</version>
        </dependency>
        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>4.12</version>
        </dependency>
        <dependency>
            <groupId>org.slf4j</groupId>
            <artifactId>slf4j-log4j12</artifactId>
            <version>1.7.30</version>
        </dependency>
    </dependencies>

3.创建日志打印文件

（2）在项目的src/main/resources目录下，新建一个文件，命名为“log4j.properties”，在文件中填入。

log4j.rootLogger=INFO, stdout  
log4j.appender.stdout=org.apache.log4j.ConsoleAppender  
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout  
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n  
log4j.appender.logfile=org.apache.log4j.FileAppender  
log4j.appender.logfile.File=target/spring.log  
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout  
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

（3）创建包名：com.fang.wordcount

3.3程序编写（详细注释）

创建三个类

实现Mapper的过程

packagecom.fang.wordcount;importorg.apache.hadoop.io.IntWritable;importorg.apache.hadoop.io.LongWritable;importorg.apache.hadoop.io.Text;importorg.apache.hadoop.mapreduce.Mapper;importjava.io.IOException;/**
 * KEYIN    输入类型      long
 * VALUEIN  输入值类型    String
 * KEYOUT   输出类型      String
 * VALUEOUT 输出值类型    Int
 */publicclassWordCountMapperextendsMapper<LongWritable,Text,Text,IntWritable>{Text k =newText();IntWritable v =newIntWritable(1);@Overrideprotectedvoidmap(LongWritable key,Text value,Context context)throwsIOException,InterruptedException{/**
         * 对于context的理解
         * 充当，Map和Reduce之间联络员的角色
         */// 1 获取一行String line = value.toString();// 2 切割String[] words = line.split(" ");// 3 输出for(String word : words){

            k.set(word);
            context.write(k, v);}}}

实现Reducer的过程

packagecom.fang.wordcount;importjava.io.IOException;importorg.apache.hadoop.io.IntWritable;importorg.apache.hadoop.io.Text;importorg.apache.hadoop.mapreduce.Reducer;publicclassWordCountReducerextendsReducer<Text,IntWritable,Text,IntWritable>{int sum;IntWritable v =newIntWritable();@Overrideprotectedvoidreduce(Text key,Iterable<IntWritable> values,Context context)throwsIOException,InterruptedException{/**
         * 对于Interable的理解
         * 将传入的值变成（zhangsan（1,1,1,1））类型
         */// 1 累加求和
        sum =0;for(IntWritable count : values){
            sum += count.get();//获取到count的值为1}// 2 输出
        v.set(sum);
        context.write(key,v);}}

实现Driver的过程

packagecom.fang.wordcount;importjava.io.IOException;importorg.apache.hadoop.conf.Configuration;importorg.apache.hadoop.fs.Path;importorg.apache.hadoop.io.IntWritable;importorg.apache.hadoop.io.Text;importorg.apache.hadoop.mapreduce.Job;importorg.apache.hadoop.mapreduce.lib.input.FileInputFormat;importorg.apache.hadoop.mapreduce.lib.output.FileOutputFormat;publicclassWordCountDriver{publicstaticvoidmain(String[] args)throwsIOException,ClassNotFoundException,InterruptedException{// 1 获取配置信息以及获取job对象Configuration conf =newConfiguration();Job job =Job.getInstance(conf);// 2 关联本Driver程序的jar
        job.setJarByClass(WordCountDriver.class);// 3 关联Mapper和Reducer的jar
        job.setMapperClass(WordCountMapper.class);
        job.setReducerClass(WordCountReducer.class);// 4 设置Mapper输出的kv类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);// 5 设置最终输出kv类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);// 6 设置输入和输出路径FileInputFormat.setInputPaths(job,newPath("F:\\桌面\\input\\word.txt"));FileOutputFormat.setOutputPath(job,newPath("F:\\桌面\\output6"));// 7 提交jobboolean result = job.waitForCompletion(true);System.exit(result ?0:1);}}

运行结果：