MapReudce源码分析之Mapper

 Mapper是MapReduce编程模型中一个将输入的key/value对映射成一组中间key/value对的组件。Map是将输入记录转换成中间记录的单个任务。被转换的中间记录不需要与输入记录一样的类型。一个给定的输入对可能被映射成0个货多个输出对。Hadoop的MapReduce框架为作业中输入格式InputFormat产生的每个输入分片InputSplit产生一个Map任务。通过JobContext的getConfiguration()方法，Mapper的实现者可以获得任务的配置信息。MapReduce框架中Map部分首先会调用setup()方法，然后接着为输入分片的每个KeyValue对调用map()方法进行处理，最见后再调用cleanup()方法。所有给定输出key相关的中间值随后会被框架进行分组，继而被传递给Reducer以确定最终的输出。通过指定两个关键的RawComparator类，用户可以控制排序和分组。Mapper输出被每个Reducer分区。通过实现一个定值分区器Partitioner，用户可以控制哪些key和相关记录进入哪个Reducer。

        Mapper的执行主流程在其run()方法内，代码如下：

 /**
  * Expert users can override this method for more complete control over the
  * execution of the Mapper.
  * 熟练或者老练的用户可以覆写该方法，以便更完整的控制Mapper的运行
  * @param context
  * @throws IOException
  */
 public void run(Context context) throws IOException, InterruptedException {

// task开始运行时调用setup()方法进行初始化
setup(context);
   try {

     // 当context中仍有KeyValye对的话，一直循环
     while (context.nextKeyValue()) {

    // 取出context中当前key、valye，连同context本身，调用map()方法处理
       map(context.getCurrentKey(), context.getCurrentValue(), context);
     }
   } finally {
     // task结束运行时调用cleanup()方法进行清理
     cleanup(context);
   }
 }

        run()方法执行的流程很简单，大体如下：

        1、task开始运行时setup()初始化方法；

        2、在try模块中，当context中仍有KeyValye对的话，一直循环：

              取出context中当前key、valye，连同context本身，调用map()方法处理；

        3、在finally模块中，task结束运行时调用cleanup()方法进行清理 。

        是不是很简单，就像一个模板一样，按照setup()--map()--map()--......--map()--cleanup()的执行主线运行。而且，熟练或者老练的用户可以覆写该方法，以便更完整的控制Mapper的运行。

        我们接下来再看下进行初始化的setup()方法和进行清理的cleanup()方法，代码如下：

/**
 * Called once at the beginning of the task.
 * task开始运行时调用一次，做初始化工作
 */
protected void setup(Context context
                     ) throws IOException, InterruptedException {
  // NOTHING
}

/**
 * Called once at the end of the task.
 * task结束运行时调用一次，做清理工作
 */
protected void cleanup(Context context
                       ) throws IOException, InterruptedException {
  // NOTHING
}

        这两个函数分别在task开始运行或结束运行时调用一次，一遍完成初始化或清理工作，用户可覆写这两个方法，以便实现自己的初始化或清理逻辑，或者，干脆不用管，那么这两个方法是空方法，什么都不会做。

        再来看下实现KeyValue对转换的核心功能map()方法，代码如下：

/**
 * Called once for each key/value pair in the input split. Most applications
 * should override this, but the default is the identity function.
 * 针对输入分片split的每个key/value对都会调用一次。大多数应用程序应该覆写该方法，而默认实现是一个类似恒等式的功能，原样输出key、value
 */
@SuppressWarnings("unchecked")
protected void map(KEYIN key, VALUEIN value,
                   Context context) throws IOException, InterruptedException {
  context.write((KEYOUT) key, (VALUEOUT) value);
}

        map()方法针对输入分片split的每个key/value对都会调用一次。大多数应用程序应该覆写该方法，而默认实现是一个类似恒等式的功能，原样输出key、value。

        另外，Mapper中还有一个抽象内部类Context，它实现了MapContext接口，代表了Map任务运行时的上下文信息，我们后续再讲。