mapreduce shortest way out

相关知识
最优路径算法是无向图中满足通路上所有顶点（除起点、终点外）各异，所有边也各异的通路。应用在公路运输中，可以提供起点和终点之间的最短路径，节省运输成本。可以大大提高交通运输效率。

本实验采用Dijkstra算法，迪杰斯特拉算法是由荷兰计算机科学家狄克斯特拉于1959 年提出的，因此又叫狄克斯特拉算法。是从一个顶点到其余各顶点的最短路径算法，解决的是有向图中最短路径问题。迪杰斯特拉算法主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。

算法伪代码如下：

Dijkstra(G,w, s)

d[s] ← 0

for all vertex v ∈ V do

d[v] ← ∞

Q ← {V }

while Q != ∅ do

u ←ExtractMin(Q)

for all vertex v ∈ u.AdjacencyList do

if d[v] > d[u] + w(u, v) then

d[v] ← d[u] + w(u, v)

Dijkstra算法关键的一点是优先队列Q，它保存了全局的从源点出发最近的结点。而map-reduce则无法做到这一点。

基于map-reduce的并行算法跟Dijkstra算法有点类似，它也基于Dijkstra的迭代思想，伪代码如下：

class Mapper

method Map(nid n, node N)

d ← N.Distance

Emit(nid n,N) //Pass along graph

structure [1]

for all nodeid m ∈ N.AdjacencyList do

Emit(nid m, d+w) //Emit distances to

reachable nodes [2]

class Reducer

method Reduce(nid m, [d1, d2, . . .])

dmin←∞

M ← ∅

for all d ∈ counts [d1, d2, . . .] do

if IsNode(d) then

M ← d //Recover graph

structure

else if d < dmin then //Look for shorter

distance

dmin ← d

M.Distance← dmin //Update shortest

distance

Emit(nid m, node M)

它每次迭代执行一个map-reduce job，并且只遍历一个节点。在Map中，它先输出这个节点的完整邻接节点数据，即[1]。然后遍历该节点的邻接节点，并输出该节点ID及权重。在Reduce中，对当前节点m，遍历map的输出权重，若比当前的路径值小，则更新。最后输出该节点的路径值及完整邻接节点数据，作为下一次迭代的输入。

实现上有个细节需要注意的是，map的输出有两种类型的数据：邻接节点数据和权重数据，这可以通过一个包装类，并设置一个dataType变量来实现。

当遍历完所有的节点之后，迭代就终止了。

系统环境
Linux Ubuntu 16.04

jdk-7u75-linux-x64

Hadoop 2.6.0-cdh5.4.5

任务内容

原始数据：

A(B,10) (D,5)

B(C,1) (D,2)

C(E,4)

D(B,3) (C,9) E,2)

E(A,7) (C,6)

如图，A为初始节点，A到B的距离为10，A到D的距离为5。

B到C的距离为1，B到D的距离为3

Map阶段：

从初始A节点开始，将节点到其他相连节点的距离列举出来，然后传递给reduce，找到距离最短的。

从初始A节点开始，找到B和D，然后再找B和D的相邻节点，依次类推，这个就是广度优先搜索。

从A节点出发，A节点不能直接到达节点默认的距离为inf，表示距离无穷大。

A能到达的节点有：A本身（距离为0），B（距离为10），D（距离为5）

则可以表示为：

A 0(B,10) (D,5)

B 10

D 5

Reduce阶段：

找到所有存在的距离中最短的，并更新记录中的最短距离。

如A节点到C节点有两种路径：

A=>B=>C，距离为：10+1=11

A=>D=>B=>C，距离为5+3+1=9

则A节点到C节点的最短距离为9

任务步骤
1.首先，我们来准备实验需要用到的数据，切换到/data/mydata目录下，使用vim编辑一个data.txt文件

mkdir -p /data/mydata  
cd /data/mydata  
vim data.txt  

2.将如下数据写入其中（注意数据之间以 分割）

A (B,10) (D,5)
B (C,1) (D,2)
C (E,4)
D (B,3) (C,9) (E,2)
E (A,7) (C,6)
3.切换到/apps/hadoop/sbin目录下，开启Hadoop相关进程

cd /apps/hadoop/sbin  
./start-all.sh  

4.输入JPS查看一下相关进程是否已经启动。

view plain copy
jps

5.在HDFS的根下创建一个input目录，并将data.txt文件上传到HDFS上的input文件夹下

hadoop fs -mkdir /input  
hadoop fs -put /data/mydata/data.txt /input 

6.打开Eclipse，创建一个Map/Reduce项目

7.设置项目名为mr_sf并点击Finish

8.创建一个包，名为mr_mindistance

9.创建一个类，名为RunJob，作用为计算最短路径。

10.下面开始编写Runjob类的代码

完整代码为：

package mr_mindistance;  
import java.io.IOException;  
import org.apache.hadoop.conf.Configuration;  
import org.apache.hadoop.fs.FileSystem;  
import org.apache.hadoop.fs.Path;  
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.input.KeyValueTextInputFormat;  
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;  
import org.apache.hadoop.util.StringUtils;  
public class RunJob {  
    static enum eInf {  
        COUNTER  
    }  
    public static void main(String[] args) {  
        Configuration conf = new Configuration();  
        //设置主机地址及端口号  
  
        conf.set("fs.defaultFS", "hdfs://localhost:9000");  
        try {  
            FileSystem fs = FileSystem.get(conf);  
            int i = 0;  
            long num = 1;  
            long tmp = 0;  
            while (num > 0) {  
                i++;  
                conf.setInt("run.counter", i);  
                Job job = Job.getInstance(conf);  
                job.setJarByClass(RunJob.class);  
                job.setMapperClass(ShortestPathMapper.class);  
                job.setReducerClass(ShortestPathReducer.class);  
                job.setMapOutputKeyClass(Text.class);  
                job.setMapOutputValueClass(Text.class);  
                //key value 的格式   第一个item为key，后面的item为value  
                job.setInputFormatClass(KeyValueTextInputFormat.class);  
                //设置输入、输出路径  
  
                if (i == 1)  
                    FileInputFormat.addInputPath(job, new Path("/input/"));  
                else  
                    FileInputFormat.addInputPath(job, new Path("/output/" + (i - 1)));  
                Path outPath = new Path("/output/" + i);  
                if (fs.exists(outPath)) {  
                    fs.delete(outPath, true);  
                }  
                FileOutputFormat.setOutputPath(job, outPath);  
                boolean b = job.waitForCompletion(true);  
                if (b) {  
                    num = job.getCounters().findCounter(eInf.COUNTER).getValue();  
                    if (num == 0) {  
                        System.out.println("共执行了" + i + "次，完成最短路径计算");  
                    }  
                }  
            }  
        } catch (Exception e) {  
            e.printStackTrace();  
        }  
    }  
    public static class ShortestPathMapper extends Mapper<Text, Text, Text, Text> {  
        protected void map(Text key, Text value, Context context) throws IOException, InterruptedException {  
            int conuter = context.getConfiguration().getInt("run.counter", 1);  
            Node node = new Node();  
            String distance = null;  
            String str = null;  
            // 第一次计算，填写默认距离 A:0 其他:inf  
            if (conuter == 1) {  
                if (key.toString().equals("A") || key.toString().equals("1")) {  
                    distance = "0";  
                } else {  
                    distance = "inf";  
                }  
                str = distance + "	" + value.toString();  
            } else {  
                str = value.toString();  
            }  
            context.write(key, new Text(str));  
            node.FormatNode(str);  
            // 没走到此节点 退出  
            if (node.getDistance().equals("inf"))  
                return;  
            // 重新计算源点A到各点的距离  
            for (int i = 0; i < node.getNodeNum(); i++) {  
                String k = node.getNodeKey(i);  
                String v = new String(  
                        Integer.parseInt(node.getNodeValue(i)) + Integer.parseInt(node.getDistance()) + "");  
                context.write(new Text(k), new Text(v));  
            }  
        }  
    }  
    public static class ShortestPathReducer extends Reducer<Text, Text, Text, Text> {  
        protected void reduce(Text arg0, Iterable<Text> arg1, Context arg2) throws IOException, InterruptedException {  
    String min = null;  
    int i = 0;  
    String dis = "inf";  
    Node node = new Node();  
    for (Text t : arg1) {  
    i++;  
    dis = StringUtils.split(t.toString(), '	')[0];  
    // 如果存在inf节点，表示存在没有计算距离的节点。  
    // if(dis.equals("inf"))  
    // arg2.getCounter(eInf.COUNTER).increment(1L);  
    // 判断是否存在相邻节点，如果是则需要保留信息，并找到最小距离进行更新。  
    String[] strs = StringUtils.split(t.toString(), '	');  
    if (strs.length > 1) {  
    node.FormatNode(t.toString());  
    }  
    // 第一条数据默认是最小距离  
    if (i == 1) {  
    min = dis;  
    } else {  
    if (dis.equals("inf"))  
    ;  
    else if (min.equals("inf"))  
    min = dis;  
    else if (Integer.parseInt(min) > Integer.parseInt(dis)) {  
    min = dis;  
    }  
    }  
    }  
    // 有新的最小值，说明还在进行优化计算，需要继续循环计算  
    if (!min.equals("inf")) {  
    if (node.getDistance().equals("inf"))  
    arg2.getCounter(eInf.COUNTER).increment(1L);  
    else {  
    if (Integer.parseInt(node.getDistance()) > Integer.parseInt(min))  
    arg2.getCounter(eInf.COUNTER).increment(1L);  
    }  
    }  
    node.setDistance(min);  
    arg2.write(arg0, new Text(node.toString()));  
    }  
    }  
    }  

11.创建一个Node类，作用为保存节点的信息

12.下面开始编写代码

完整代码为：

package mr_mindistance;  
import org.apache.hadoop.util.StringUtils;  
public class Node {  
    private String distance;  
    private String[] adjs;  
    public String getDistance() {  
        return distance;  
    }  
    public void setDistance(String distance) {  
        this.distance = distance;  
    }  
    public String getKey(String str)  
    {  
        return str.substring(1, str.indexOf(","));  
    }  
    public String getValue(String str)  
    {  
        return str.substring(str.indexOf(",")+1, str.indexOf(")"));  
    }  
    public String getNodeKey(int num)  
    {  
        return getKey(adjs[num]);  
    }  
    public String getNodeValue(int num)  
    {  
        return getValue(adjs[num]);  
    }  
    public int getNodeNum()  
    {  
        return adjs.length;  
    }  
    public void FormatNode(String str)  
    {  
        if(str.length() == 0)  
            return ;  
        String[] strs =  StringUtils.split(str, '	');  
        adjs = new String[strs.length-1];  
        for(int i=0; i<strs.length; i++)  
        {  
            if(i == 0)  
            {  
                setDistance(strs[i]);  
                continue;  
            }  
            this.adjs[i-1]=strs[i];  
        }  
    }  
    public String toString()  
    {  
        String str = this.distance+"" ;  
        if(this.adjs == null)  
            return str;  
        for(String s:this.adjs)  
        {  
            str = str+"	"+s;  
        }  
        return str;  
    }  
    public static void main(String[] args)  
    {  
        Node node  = new Node();  
        node.FormatNode("1    (A,20)    (B,30)");  
        System.out.println(node.distance+"|"+node.getNodeNum()+"|"+node.toString());  
    }  
}  

13.下面在Runjob类下，单击右键，选择Run As=>Run on Hadoop，运行程序，查看执行结果

可以在Console界面看到如下输出，证明程序执行成功，共进行了4次运算。

14.查看HDFS上的/output目录及最终计算结果（/ouput/下的1、2、3、4目录分别保存了4次执行程序的计算结果）

view plain copy
hadoop fs -ls -R /output  
hadoop fs -cat /output/4/part-r-00000  

通过分析结果，我们可以清楚地看到A点距离各点的最短距离。

至此，实验就已经结束了。