MapReduce学习笔记(1)

　　本文提到的程序运行都是在eclipse中进行的，eclipse具体的配置方式可以参考这篇博文http://www.cnblogs.com/flyoung2008/archive/2011/12/09/2281400.html

　　1、　第一个Hadoop程序——单词统计

　　　　

import java.io.IOException;
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 static class TokenizerMapper 
       extends Mapper<Object, Text, Text, IntWritable>{
    
    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();
      
    public void map(Object key, Text value, Context context
                    ) throws IOException, InterruptedException {
      StringTokenizer itr = new StringTokenizer(value.toString());
      while (itr.hasMoreTokens()) {
        word.set(itr.nextToken());
        context.write(word, one);
      }
    }
  }
  
  public static class IntSumReducer 
       extends Reducer<Text,IntWritable,Text,IntWritable> {
    private IntWritable result = new IntWritable();

    public void reduce(Text key, Iterable<IntWritable> values, 
                       Context context
                       ) throws IOException, InterruptedException {
      int sum = 0;
      for (IntWritable val : values) {
        sum += val.get();
      }
      result.set(sum);
      context.write(key, result);
    }
  }

  public static void main(String[] args)  {
    Configuration conf = new Configuration();
    String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
    if (otherArgs.length != 2) {
      System.err.println("Usage: wordcount <in> <out>");
      System.exit(2);
    }
    Job job=null;
    try {
        job = new Job(conf, "word count");
    } catch (IOException e) {
        e.printStackTrace();
    }
    job.setJarByClass(WordCount.class);
    job.setMapperClass(TokenizerMapper.class);
    job.setCombinerClass(IntSumReducer.class);
    job.setReducerClass(IntSumReducer.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);
    try {
        FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
    } catch (IOException e) {
        e.printStackTrace();
    }
    FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
    try {
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    } catch (IOException e) {
        e.printStackTrace();
    } catch (InterruptedException e) {
        e.printStackTrace();
    } catch (ClassNotFoundException e) {
        e.printStackTrace();
    }
  }
}

启动hadoop守护程序：start-all.sh 。然后再hdsf上建立存放源文件的文件夹（这里用input）：hadoop fs -mkdir /user/hadoop/input

然后将要统计的文件上传到该文件夹：hadoop fs -copyFromLocal 本地源文件  /user/hadoop/input

配置系统变量：hdfs://localhost:9000/user/hadoop/input  hdfs://localhost:9000/user/hadoop/output 这里设定输出到output文件夹

在VM自变量中输入：-Xms512m -Xmx1024m -XX:MaxPermSize=256m  不然程序会报错，然后运行

会发现在左侧多了一个output文件夹。里面有一个名为part-xxxxx的文件，双击就可以看到单词统计的结果。

　　2、剖析MapReduce程序

　　MapReduce通过操作key/value对来处理数据，一般形式为：

　　　　map：(K1,V1)-->list(K2,V2)

　　　　reduce:(K2,list(V2))-->list(K3,V3)

　　　　在从map到reduce的过程中，还有一个partitioner，它完成从list(K2,V2)-->(K2,list(V2))的过程，并且它指定输出到哪个reducer 。

　　让我们看一下一般的MapReduce数据流是怎样的。

　　　　

　　　　注意：输入数据被分配到不同节点后，节点间通信的唯一时间是在shuffle阶段 。

　　　　2.1、 Hadoop数据类型

　　　　　　为了key/value对可以在集群上移动，而移动一般是以序列化的数据流的方式进行的，所以只有支持序列化的类可以充当key和value 。具体而言，充当key的类必须实现WritableComparable<T>接口。而充当value的类需要实现Writable或者WritableComparable<T>接口。对于key而言，它需要在reduce阶段进行排序，而value只会被简单传递，所以对key的类型要求较高。

　　　　

　　　　表中给出了key/value对常用的数据类型，这些类均实现了WriteComparable接口 。只要实现了上述两个接口，我们可以自定义数据类型。

　　　　如下面这个类，它表示了一个网络的边界。

　　　　　　

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;

import org.apache.hadoop.io.WritableComparable;

public class Edge implements WritableComparable<Edge> {

    private String departureNode;
    private String arrivalNode;
        
    public String getDepartureNode() { return departureNode;}
    
    @Override
    public void readFields(DataInput in) throws IOException {
        departureNode = in.readUTF();
        arrivalNode = in.readUTF();     
    }

    @Override
    public void write(DataOutput out) throws IOException {
        out.writeUTF(departureNode);
        out.writeUTF(arrivalNode);  
    }

    @Override
    public int compareTo(Edge o) {
     return (departureNode.compareTo(o.departureNode) != 0)
         ? departureNode.compareTo(o.departureNode)
         : arrivalNode.compareTo(o.arrivalNode);
    }
}