本文共 3629 字，大约阅读时间需要 12 分钟。

Mapreduce的编程流程主要分八个阶段：两个MAP阶段，四个shuffle阶段，两个reduce阶段。

Map两个阶段：

1：设置inputformat类，将数据分为key-value对（k1 v1）,并将其输入到第二步。

2：自定义Map逻辑将第一步的结果转换为另外的键值对(k2,v2)，并输出。

shuffle四个阶段：

3：对输出的键值对进行分区。

4：对不同分区的数据按照相同的key排序。

5：（可选），对分组后的数据进行初步规约，降低数据的网络拷贝。

6：对数据进行分组，将相同key的value放入同一个集合中。

Reduce两个阶段：

7：对多个Map任务的结果进行排序以及合并，编写Reduce函数实现自己的逻辑，对输入的键对值进行处理，转换为新的键对值（k3 v3），输出。

8：设置outputformat类处理并保存Reduce输出的键值对。

图解：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-pbJTboOf-1603113436059)(https://s1.ax1x.com/2020/09/29/0eqy8g.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-K0BpE1tg-1603113436066)(https://s1.ax1x.com/2020/09/29/0eq4aV.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-UlWoI5sv-1603113436069)(https://s1.ax1x.com/2020/09/29/0eLkqI.png)]

Mapreduce wordcount案例编程流程

链接：

重写Mapper类：

package org.example.wordcount;import java.io.IOException;import org.apache.hadoop.io.IntWritable;import org.apache.hadoop.io.LongWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Mapper;public class WcMapper extends Mapper
   
     {
       Text k = new Text();    IntWritable v = new IntWritable(1);    @Override    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
           // 1 获取一行        String line = value.toString();        // 2 切割        String[] words = line.split(" ");        // 3 输出        for (String word : words) {
               k.set(word);            context.write(k, v);        }    }}
   

重写Reducer类：

package org.example.wordcount;import java.io.IOException;import org.apache.hadoop.io.IntWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Reducer;public class WcReducer extends Reducer
   
    {
       int sum;    IntWritable v = new IntWritable();    @Override    protected void reduce(Text key, Iterable
    
      values,Context context) throws IOException, InterruptedException {
           // 1 累加求和        sum = 0;        for (IntWritable count : values) {
               sum += count.get();        }        // 2 输出        v.set(sum);        context.write(key,v);    }}
    
   

main函数主驱动类：

package org.example.wordcount;import java.io.IOException;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.lib.input.FileInputFormat;import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;import org.junit.Test;public class WcDriver {
       @Test    public void main() throws IOException, ClassNotFoundException, InterruptedException {
           // 1 获取配置信息以及封装任务        Configuration configuration = new Configuration();        Job job = Job.getInstance(configuration);        // 2 设置jar加载路径        job.setJarByClass(WcDriver.class);        // 3 设置map和reduce类        job.setMapperClass(WcMapper.class);        job.setReducerClass(WcReducer.class);        // 4 设置map输出        job.setMapOutputKeyClass(Text.class);        job.setMapOutputValueClass(IntWritable.class);        // 5 设置最终输出kv类型        job.setOutputKeyClass(Text.class);        job.setOutputValueClass(IntWritable.class);        // 6 设置输入和输出路径        FileInputFormat.setInputPaths(job, new Path("D:/IDEA java项目/data/a.txt"));        FileOutputFormat.setOutputPath(job, new Path("D:/IDEA java项目/data/output"));        // 7 提交        boolean result = job.waitForCompletion(true);        System.exit(result ? 0 : 1);    }}

Mappreduce两种运行模式

集群运行模式：

1：将mapreduce程序提交给Yarn集群，分发到许多节点并发执行。

2：处理和输出的数据应位于hdfs文件系统中。

3：将文件打为jar包并上传，在集群中使用Hadoop命令执行。

应使用IDEA将map程序打包成jar包。

本地运行模式：

map程序用在本地用单进程执行，且处理和输出的数据在本地文件系统中。

转载地址：http://zicki.baihongyu.com/