MapReduce经典案例详解
发布时间：2021-12-11 18:15:10 所属栏目：教程 来源：互联网
导读：资源文件math 张三 99 李四 90 王五 90 赵六 60 资源文件china 张三 79 李四 75 王五 80 赵六 90 资源文件english 张三 89 李四 75 王五 70 赵六 90 分析： map 阶段将将学生姓名作为key 成绩作为value.这样Reduce阶段得到的数据就是 key:张三 value:{99,79,
|
资源文件math 张三 99 李四 90 王五 90 赵六 60 资源文件china 张三 79 李四 75 王五 80 赵六 90 资源文件english 张三 89 李四 75 王五 70 赵六 90 分析： map 阶段将将学生姓名作为key 成绩作为value.这样Reduce阶段得到的数据就是 key:张三 value:{99,79,89} …… 在Reduce中将学生的成绩球平均值。 实现： package com.bwzy.Hadoop; import java.io.IOException; import java.util.StringTokenizer; import org.apache.hadoop.conf.Configured; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.LongWritable; 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.Reducer.Context; import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; import org.apache.hadoop.mapreduce.lib.input.TextInputFormat; import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat; import org.apache.hadoop.util.Tool; import org.apache.hadoop.util.ToolRunner; import com.bwzy.hadoop.HeBing.Map; import com.bwzy.hadoop.HeBing.Reduce; public class AvgSorce extends Configured implements Tool { public static class Map extends Mapper<LongWritable, Text, Text, IntWritable> { public void map(LongWritable key, Text value, Context context) throws IOException,InterruptedException { String line = value.toString(); StringTokenizer tokenizer = new StringTokenizer(line); while(tokenizer.hasMoreElements()){ String strName = tokenizer.nextToken(); String strSorce = tokenizer.nextToken(); context.write(new Text(strName), new IntWritable(Integer.parseInt(strSorce))); } } } public static class Reduce extends Reducer<Text, IntWritable, Text, IntWritable> { public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException { int sum = 0; int num = 0; for (IntWritable sorce : values) { sum+=sorce.get(); num++; } context.write(key, new IntWritable((int)(sum/num))); } } @Override public int run(String[] arg0) throws Exception { Job job = new Job(getConf()); job.setJobName("AvgSorce"); job.setOutputKeyClass(Text.class); job.setOutputValueClass(IntWritable.class); job.setMapperClass(Map.class); // job.setCombinerClass(Reduce.class); job.setReducerClass(Reduce.class); job.setInputFormatClass(TextInputFormat.class); job.setOutputFormatClass(TextOutputFormat.class); FileInputFormat.setInputPaths(job, new Path(arg0[0])); FileOutputFormat.setOutputPath(job, new Path(arg0[1])); boolean success = job.waitForCompletion(true); return success ? 0 : 1; } public static void main(String[] args) throws Exception { int ret = ToolRunner.run(new AvgSorce(), args); System.exit(ret); } } 运行： 1：将程序打包 选中打包的类-->右击-->Export-->java-->JAR file--填入保存路径-->完成 2：将jar包拷贝到hadoop的目录下。（因为程序中用到来hadoop的jar包） 3：将资源文件上传到定义的hdfs目录下 创建hdfs目录命令（在hadoop已经成功启动的前提下）：hadoop fs -mkdir /自定义/自定义/input 上传本地资源文件到hdfs上：hadop fs -put -copyFromLocal /home/user/Document/math /自定义/自定义/input …… 4：运行MapReduce程序： hadoop jar /home/user/hadoop-1.0.4/AvgSorce.jar com.bwzy.hadoop.AvgSorce /自定义/自定义/input /自定义/自定义/output 说明：hadoop运行后会自动创建/自定义/自定义/output目录，在该目录下会有两个文件，其中一个文件中存放来MapReduce运行的结果。如果重新运行该程序，需要将/自定义/自定义/output目录删除，否则系统认为该结果已经存在了。 5：运行的结果为 张三 89 李四 80 王五 80 赵六 80  （编辑：东莞站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
