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! |