概述
引入YARN作为通用资源调度平台后。Hadoop得以支持多种计算框架，如MapReduce、Spark、Storm等。
MRv1是Hadoop1中的MapReduce，MRv2是Hadoop2中的MapReduce。以下是MRv1和MRv2之间的一些基本变化：
- MRv1包含三个部分：执行时环境（jobtracker和tasktracker）、编程模型（MapReduce）、数据处理引擎（Map任务和Reduce任务）
- MRv2中，重用了MRv1中的编程模型和数据处理引擎。可是执行时环境被重构了。
jobtracker被拆分成了通用的资源调度平台YARN和负责各个计算框架的任务调度模型AM。
- MRv1中任务是执行在Map slot和Reduce slot中的。计算节点上的Map slot资源和Reduce slot资源不能重用。
而MRv2中任务是执行在container中的，map任务结束后。对应container结束，空暇出来的资源能够让reduce使用。
MRv2參数配置
MRv2上的參数能够參考官方文档进行配置，可是在mapred-site.xml中有一个參数须要注意：mapreduce.job.user.classpath.first。本文推荐将其配置成true。
假设不配置该參数的话。在运行jar程序的时候，系统会优先选择Hadoop框架中已经存在的java类而不是用户指定包中自己编写的java类
新旧API
- MapReduce新旧API是指
org.apache.hadoop.mapred包（旧包）和org.apache.hadoop.mapreduce包（新包）。 - 这两个包是指MapReduce的编程API发生了变化。旧包中的Map和Reduce是通过接口实现的。而新包中的Map和Reduce是通过继承实现的。这两个包在MRv1中就存在了。
- MRv2中mapred包的API基本没发生变化，曾经通过MRv1编译过的程序基本能够又一次执行。可是mapreduce包的API发生了变化。通过MRv1编译过的程序须要又一次编译，甚至须要改动代码才干执行
- 推荐使用新API进行编程
MapReduce包wordcount事例
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 {
//context.nextKeyValue()
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) throws Exception {
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 = new Job(conf, "word count");
job.setJarByClass(WordCount.class);
job.setMapperClass(TokenizerMapper.class);
job.setCombinerClass(IntSumReducer.class);
job.setReducerClass(IntSumReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}