【大資料】MapReduce開發小實戰

Frederic_Niu發表於2020-09-21
大資料

Before：前提:hadoop叢集應部署完畢。

一、實戰科目：做一個Map Reduce分散式開發，開發內容為統計檔案中的單詞出現次數。

二、戰前準備

1、本人在本地建立了一個用於執行MR的的檔案，檔案中有209行，每行寫了“這是一個測試檔案”的句子。

2、將該檔案上傳至HDFS中。你可以使用idea中的外掛上傳、也可以使用HDFS的視覺化頁面上傳、也可以使用HDFS的命令上傳，都可以。目的達到就行。

3、準備好開發環境，準備開發。

三、開戰！

1、開啟idea，建立com.test.hadoop.mr的包

2、在該包下建立MyWordCount的Java類，並進行如下程式設計

 

package com.test.hadoop.mr;

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;


public class MyWordCount {


    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration(true);
        Job job = Job.getInstance(conf);
        job.setJarByClass(MyWordCount.class);

        // Specify various job-specific parameters
        job.setJobName("myJob");

        Path input = new Path("/testApi/testUploadFile.txt");
        FileInputFormat.addInputPath(job, input);//檔案輸入格式化；還有其他的資料來源的輸入格式化

        Path output = new Path("/testApi/mr_output.txt");
        if (output.getFileSystem(conf).exists(output)){
            output.getFileSystem(conf).delete(output,true);//一般不刪除！
        }
        FileOutputFormat.setOutputPath(job, output);

        job.setMapperClass(MyMapper.class);
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);

        job.setReducerClass(MyReducer.class);

        // Submit the job, then poll for progress until the job is complete
        job.waitForCompletion(true);
    }
}

 

 

 

 

3、建立對應的MyMapper和MyReducer類

MyMapper

 

package com.test.hadoop.mr;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;
import java.util.StringTokenizer;

public class MyMapper 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 {
        //AAA BBB CCC
        StringTokenizer itr = new StringTokenizer(value.toString());
        while (itr.hasMoreTokens()) {
            word.set(itr.nextToken());
            context.write(word, one);//引用傳參，減少建立物件的次數。
        }
    }
}

 

MyReducer

package com.test.hadoop.mr;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;

public class MyReducer extends Reducer<Text, IntWritable, Text, IntWritable> {

    //相同的key為一組，呼叫方法，然後在方法內迭代一組資料進行計算(sum/max/min/count/...)。

    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);
    }
}

4、打jar包

右鍵專案根目錄，點選Open Module Settings;然後選擇Artifacts，然後右邊欄選擇要打包的主類以及是否新增lib（lib可能會很大，建議不要在jar中新增lib）。

 

 然後，在build中選擇build Artifacts進行編譯。

 

在你設定的目錄下，發現輸出的jar檔案。

 

5、上傳叢集

將該檔案上傳叢集某節點，這裡選擇節點1。

 

6、執行

定位到jar目錄，輸入命令，並執行

 

hadoop jar hadoop_hdfs_api.jar com.test.hadoop.mr.MyWordCount

 

 

 成功執行！

 

7、檢視結果

在節點1的對應位置找到結果檔案，cat檢視內容

 

 成功統計，說明邏輯以及實戰執行均無誤！

 

四、實戰總結

首先，要了解MapReduce的執行機制，在客戶端的開發中，我們不僅要使用Java實現客戶端的基礎配置外，還要實現Map Task即對應的MyMapper類，還要實現Reduce Task即對應的MyReducer類。

其次，在進行執行時，可能會報編譯版本過高的錯誤，即你的伺服器版本使用java8，而idea本身使用更高版本的Java編譯，就會導致此問題，博主就遇到了。因此，要不就是升級伺服器Java版本，要麼就要用低版本Java進行編譯，生成jar。兩種策略中，伺服器能不動就不動，因為改動成本太大。所以使用idea低版本進行編譯，具體如何設定請自行百度或Google。

最後，Java類的編寫要參考原始碼中的例子，在知道了MR的邏輯執行之後，要懂得程式碼的實現，這條路還很漫長，要加油！

 

相關文章