8天学会Hadoop基础(3)

MapReduce

分布式需要解决的问题:

将运算转移到数据上？运算变成分布式，结果为局部的结果了

如何分发代码？

1.拷贝、启动代码。启动最后一台的时候可能第一台运行结束了

2.代码分发到了哪些机器上运行？

3.有一台机器宕机了，局部结果没了，那汇总的结果就没意义了。因此需要时刻监控节点情况，看哪个正常，哪个不正常

4.汇总到某一台机器(负载高)还是汇总到几台机器上(逻辑复杂)？

 例子:统计单词出现的次数

//4个泛型中，前两个是指定mapper输入数据的类型，KEYIN是输入的key的类型，VALUEIN是输入的value的类型
//map 和 reduce 的数据输入输出都是以 key-value对的形式封装的
//默认情况下，框架传递给我们的mapper的输入数据中，key是要处理的文本中一行的起始偏移量，这一行的内容作为value
public class WCMapper extends Mapper<LongWritable, Text, Text, LongWritable>{
    
    //mapreduce框架每读一行数据就调用一次该方法
    @Override
    protected void map(LongWritable key, Text value,Context context)
            throws IOException, InterruptedException {
        //具体业务逻辑就写在这个方法体中，而且我们业务要处理的数据已经被框架传递进来，在方法的参数中 key-value
        //key 是这一行数据的起始偏移量     value 是这一行的文本内容
        
        //将这一行的内容转换成string类型
        String line = value.toString();
        
        //对这一行的文本按特定分隔符切分
        String[] words = StringUtils.split(line, " ");
        
        //遍历这个单词数组输出为kv形式  k：单词   v ： 1
        for(String word : words){
            
            context.write(new Text(word), new LongWritable(1));
            
        }

    }
    
}

public class WCReducer extends Reducer<Text, LongWritable, Text, LongWritable>{
    
    
    
    //框架在map处理完成之后，将所有kv对缓存起来，进行分组，然后传递一个组<key,valus{}>，调用一次reduce方法
    //<hello,{1,1,1,1,1,1.....}>
    @Override
    protected void reduce(Text key, Iterable<LongWritable> values,Context context)
            throws IOException, InterruptedException {

        long count = 0;
        //遍历value的list，进行累加求和
        for(LongWritable value:values){
            
            count += value.get();
        }
        
        //输出这一个单词的统计结果
        
        context.write(key, new LongWritable(count));
        
    }    
}

WCRunner

/**
 * 用来描述一个特定的作业
 * 比如，该作业使用哪个类作为逻辑处理中的map，哪个作为reduce
 * 还可以指定该作业要处理的数据所在的路径
 * 还可以指定改作业输出的结果放到哪个路径
 * ....
 * @author duanhaitao@itcast.cn
 *
 */
public class WCRunner {

    public static void main(String[] args) throws Exception {
        
        Configuration conf = new Configuration();
        
        Job wcjob = Job.getInstance(conf);
        
        //设置整个job所用的那些类在哪个jar包
        wcjob.setJarByClass(WCRunner.class);
        
        
        //本job使用的mapper和reducer的类
        wcjob.setMapperClass(WCMapper.class);
        wcjob.setReducerClass(WCReducer.class);
        
        
        //指定本job使用combiner组件，组件所用的类为
        wcjob.setCombinerClass(WCReducer.class);
        
        
        //指定reduce的输出数据kv类型
        wcjob.setOutputKeyClass(Text.class);
        wcjob.setOutputValueClass(LongWritable.class);
        
        //指定mapper的输出数据kv类型
        wcjob.setMapOutputKeyClass(Text.class);
        wcjob.setMapOutputValueClass(LongWritable.class);
        
        
        //指定要处理的输入数据存放路径
        FileInputFormat.setInputPaths(wcjob, new Path("hdfs://weekend110:9000/wc/srcdata/"));
        
        //指定处理结果的输出数据存放路径
        FileOutputFormat.setOutputPath(wcjob, new Path("hdfs://weekend110:9000/wc/output2/"));
        
        //将job提交给集群运行 
        wcjob.waitForCompletion(true);
        
        
    }
    
}

[hadoop@weekend110 ~]$ hadoop jar wc.jar cn.itcast.hadoop.mr.wordcount.WCRunner

MRAppMaster(动态产生):MR的管理进程,管理yarnchild(动态产生)，由MR框架实现，yarn框架帮忙启动

资源调度中起监控作用的：RESOURCEMANAGER   ------管理node manager节点

MR程序的几种提交运行模式

什么时候在本地运行，什么条件下在集群中运行？

根据配置信息来决定