MapReduce之topN
適用場景:
1.這個模式需要一個比較兩條記錄的比較函式。也就是說,我們必須得通過比較確認兩條記錄中哪一個更大一些。
2.輸出記錄數相對於輸入記錄數將會是異常的小,否則獲得整個資料集的全排序將會更有意義。
結構:
這個模式同時使用了mapper和reducer。mapper任務找出其本地的top K,然後所有獨立的top K集合在reducer中做最後的top K運算。因為在mapper中輸出的資料記錄最多是K條,而K通常相對較小,所以我們只需要一個reducer來處理最後的運算。
效能分析:
top 10模式的效能通常是很好的,但是有一些重要的侷限性需要考慮。大多數侷限性都來源於:不管這個模式需要處理的記錄數有多少,它都只能使用一個reducer。需要特別注意的是:單一reducer需要處理的記錄數目。每個map任務會輸出K條記錄,當這個作業由M個map任務組成時,這個reducer需要處理K*M條記錄,這個值可能很大,
下面是map reduce寫的top 10示例
輸入檔案如下:
10 9 8 7 6 5 1 2 3 4
11 12 13 14 15 20 19 18 17 16
最終得到如下結果:
我們來看程式碼:
package com.mr.top10;
import java.io.IOException;
import java.net.URI;
import java.util.StringTokenizer;
import java.util.TreeMap;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.NullWritable;
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.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
/**
* @author luobao
*
*/
public class Top10 {
public static class TopTenMapper extends
Mapper<Object, Text, NullWritable, IntWritable> {
private TreeMap<Integer, String> repToRecordMap = new TreeMap<Integer, String>();
public void map(Object key, Text value, Context context) {
StringTokenizer itr = new StringTokenizer(value.toString());
while (itr.hasMoreTokens()) {
repToRecordMap.put(Integer.parseInt(itr.nextToken()), " ");
if (repToRecordMap.size() > 10) {
repToRecordMap.remove(repToRecordMap.firstKey());
}
}
}
protected void cleanup(Context context) {
for (Integer i : repToRecordMap.keySet()) {
try {
context.write(NullWritable.get(), new IntWritable(i));
} catch (Exception e) {
e.printStackTrace();
}
}
}
}
public static class TopTenReducer extends
Reducer<NullWritable, IntWritable, NullWritable, IntWritable> {
private TreeMap<Integer, String> repToRecordMap = new TreeMap<Integer, String>();
public void reduce(NullWritable key, Iterable<IntWritable> values,
Context context) throws IOException, InterruptedException {
for (IntWritable value : values) {
repToRecordMap.put(value.get(), " ");
if (repToRecordMap.size() > 10) {
repToRecordMap.remove(repToRecordMap.firstKey());
}
}
for (Integer i : repToRecordMap.keySet()) {
context.write(NullWritable.get(), new IntWritable(i));
}
}
}
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
String ipPre = "hdfs://192.168.40.191:9000/";
removeOutput(conf, ipPre);
Job job = Job.getInstance(conf);
job.setJarByClass(Top10.class);
job.setMapperClass(TopTenMapper.class);
job.setReducerClass(TopTenReducer.class);
job.setNumReduceTasks(1);
job.setMapOutputKeyClass(NullWritable.class);// map階段的輸出的key
job.setMapOutputValueClass(IntWritable.class);// map階段的輸出的value
job.setOutputKeyClass(Text.class);// reduce階段的輸出的key
job.setOutputValueClass(IntWritable.class);// reduce階段的輸出的value
FileInputFormat.addInputPath(job, new Path(ipPre + "input/top10"));
FileOutputFormat.setOutputPath(job, new Path(ipPre + "output"));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
private static void removeOutput(Configuration conf, String ipPre)
throws IOException {
String outputPath = ipPre + "output";
FileSystem fs = FileSystem.get(URI.create(outputPath), conf);
Path path = new Path(outputPath);
if (fs.exists(path)) {
fs.deleteOnExit(path);
}
fs.close();
}
}
相關文章
- Storm實戰之TopNORM
- MapReduce InputFormat之FileInputFormatORM
- MapReduce之自定義OutputFormatORM
- MapReduce之自定義InputFormatORM
- MapReduce之WritableComparable排序排序
- MapReduce之自定義partitioner
- Hadoop面試題之MapReduceHadoop面試題
- MapReduce之MapTask工作機制APT
- MapReduce之自定義分割槽器Partitioner
- Hadoop學習之YARN及MapReduceHadoopYarn
- 自娛小程式–超大檔案topN
- Hadoop MapReduce之wordcount(詞頻統計)Hadoop
- Flink實時計算topN熱榜
- Hadoop之MapReduce2架構設計Hadoop架構
- MapReduce程式設計例項之倒排索引 1程式設計索引
- MapReduce程式設計例項之自定義排序程式設計排序
- 結構化資料上的 TopN 運算
- MapReduce初探
- MapReduce理解
- Hadoop 學習系列(四)之 MapReduce 原理講解Hadoop
- Hadoop之MapReduce2基礎梳理及案例Hadoop
- Hadoop-MapReduce之自定義資料型別Hadoop資料型別
- MapReduce最佳化之位元組級別快速排序排序
- MapReduce程式設計例項之資料去重程式設計
- MapReduce程式設計例項之自定義分割槽程式設計
- Hawkeye:TopN慢query的獲取與優化優化
- MapReduce: 提高MapReduce效能的七點建議[譯]
- Hadoop 三劍客之 —— 分散式計算框架 MapReduceHadoop分散式框架
- hadoop之mapreduce.input.fileinputformat.split.minsize引數HadoopORM
- MapReduce矩陣;及快排單連結串列之解答矩陣
- 一句話計算出 TopN 的增長情況
- MapReduce 簡介
- MapReduce InputFormat——DBInputFormatORM
- Mongodb MapReduce使用MongoDB
- Lab 1: MapReduce
- MapReduce程式設計實踐之自定義資料型別程式設計資料型別
- [PY3]——求TopN/BtmN 和 排序問題的解決排序
- MapReduce 示例:減少 Hadoop MapReduce 中的側連線Hadoop