Hadoop入门——链式MapReduce（ChainMapper和ChainReducer）

待我称王封你为后i 2021-09-23 01:42 321阅读 0赞

# 一.背景 #

Hadoop2.0开始MapReduce作业支持链式处理，类似于富士康生产苹果手机的流水线，每一个阶段都有特定的任务要处理，比如提供原配件——>组装——打印出厂日期，等等。通过这样进一步的分工，从而提高了生成效率，我们Hadoop中的链式MapReduce也是如此，这些Mapper可以像水流一样，一级一级向后处理，有点类似于Linux的管道。前一个Mapper的输出结果直接可以作为下一个Mapper的输入，形成一个流水线。

**注：链式MapReduce的执行规则：整个Job中只能有一个Reducer，在Reducer前面可以有一个或者多个Mapper，在Reducer的后面可以有0个或者多个Mapper。**

# **二.技术实现** #

## **需求** ##

现有如下销售数据，要求使用链式MapReduce，在第一个Mapper中过滤金额大于10000的数据，在第二个Mapper中过滤数据在100-10000之间的数据，在Reduce中进行分类汇总，在Reduce后面的Mapper中过滤掉商品名长度大于8的数据。

Phone	5000
    Computer	2000
    Clothes	300
    XieZi	1200
    QunZi	434
    ShouTao	12
    Books	12510
    SmallShangPing	5
    SmallShangPing	3
    DingCan	2

## 实现代码 ##

public class ChainMapReduce {
     
    	// 定义输入输出路径
    	private static final String INPUTPATH = "hdfs://liaozhongmin21:8020/chainFiles/*";
    	private static final String OUTPUTPATH = "hdfs://liaozhongmin21:8020/out";
     
    	public static void main(String[] args) {
     
    		try {
     
    			Configuration conf = new Configuration();
    			// 创建文件系统
    			FileSystem fileSystem = FileSystem.get(new URI(OUTPUTPATH), conf);
     
    			// 判断输出路径是否存在，如果存在则删除
    			if (fileSystem.exists(new Path(OUTPUTPATH))) {
    				fileSystem.delete(new Path(OUTPUTPATH), true);
    			}
     
    			// 创建Job
    			Job job = new Job(conf, ChainMapReduce.class.getSimpleName());
     
    			// 设置输入目录
    			FileInputFormat.addInputPath(job, new Path(INPUTPATH));
    			// 设置输入文件格式
    			job.setInputFormatClass(TextInputFormat.class);
     
    			// 设置自定义的Mapper类
    			ChainMapper.addMapper(job, FilterMapper1.class, LongWritable.class, Text.class, Text.class, DoubleWritable.class, conf);
    			ChainMapper.addMapper(job, FilterMapper2.class, Text.class, DoubleWritable.class, Text.class, DoubleWritable.class, conf);
    			ChainReducer.setReducer(job, SumReducer.class, Text.class, DoubleWritable.class, Text.class, DoubleWritable.class, conf);
    			// 注：Reducer后面的Mapper也要用ChainReducer进行加载
    			ChainReducer.addMapper(job, FilterMapper3.class, Text.class, DoubleWritable.class, Text.class, DoubleWritable.class, conf);
     
    			// 设置自定义Mapper类的输出key和value
    			job.setMapOutputKeyClass(Text.class);
    			job.setMapOutputValueClass(DoubleWritable.class);
     
    			// 设置分区
    			job.setPartitionerClass(HashPartitioner.class);
    			// 设置reducer数量
    			job.setNumReduceTasks(1);
     
    			// 设置自定义的Reducer类
    			// 设置输出的Key和value类型
    			job.setOutputKeyClass(Text.class);
    			job.setOutputValueClass(DoubleWritable.class);
     
    			// 设置输出路径
    			FileOutputFormat.setOutputPath(job, new Path(OUTPUTPATH));
    			// 设置输出格式
    			job.setOutputFormatClass(TextOutputFormat.class);
     
    			// 提交任务
    			System.exit(job.waitForCompletion(true) ? 0 : 1);
     
    		} catch (Exception e) {
    			e.printStackTrace();
    		}
    	}
     
    	
    	/**
    	 * 过滤掉金额大于10000的记录
    	 * @author 廖钟民 2015年3月17日下午6:27:05
    	 */
    	public static class FilterMapper1 extends Mapper<LongWritable, Text, Text, DoubleWritable> {
     
    		// 定义输出的key和value
    		private Text outKey = new Text();
    		private DoubleWritable outValue = new DoubleWritable();
     
    		@Override
    		protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, DoubleWritable>.Context context) throws IOException,
    				InterruptedException {
     
    			// 获取行文本内容
    			String line = value.toString();
     
    			if (line.length() > 0) {
    				// 对行文本内容进行切分
    				String[] splits = line.split("\t");
    				// 获取money
    				double money = Double.parseDouble(splits[1].trim());
    				// 过滤
    				if (money <= 10000) {
    					// 设置合法结果
    					outKey.set(splits[0]);
    					outValue.set(money);
    					// 把合法结果写出去
    					context.write(outKey, outValue);
    				}
    			}
    		}
    	}
     
    	/**
    	 * 过滤掉金额大于100的记录
    	 * @author 廖钟民 2015年3月17日下午6:29:27
    	 */
    	public static class FilterMapper2 extends Mapper<Text, DoubleWritable, Text, DoubleWritable> {
     
    		@Override
    		protected void map(Text key, DoubleWritable value, Mapper<Text, DoubleWritable, Text, DoubleWritable>.Context context) throws IOException,
    				InterruptedException {
    			if (value.get() < 100) {
     
    				// 把结果写出去
    				context.write(key, value);
    			}
    		}
    	}
     
    	/**
    	 * 金额汇总
    	 * @author 廖钟民
    	 *2015年3月21日下午1:46:47
    	 */
    	public  static class SumReducer extends Reducer<Text, DoubleWritable, Text, DoubleWritable> {
    		// 定义输出的value
    		private DoubleWritable outValue = new DoubleWritable();
     
    		@Override
    		protected void reduce(Text key, Iterable<DoubleWritable> values, Reducer<Text, DoubleWritable, Text, DoubleWritable>.Context context)
    				throws IOException, InterruptedException {
     
    			// 定义汇总结果
    			double sum = 0;
    			// 遍历结果集进行统计
    			for (DoubleWritable val : values) {
     
    				sum += val.get();
    			}
    			// 设置输出value
    			outValue.set(sum);
    			// 把结果写出去
    			context.write(key, outValue);
    		}
    	}
     
    	/**
    	 * 过滤商品名称长度小于8的商品
    	 * @author 廖钟民
    	 *2015年3月21日下午1:47:01
    	 */
    	public  static class FilterMapper3 extends Mapper<Text, DoubleWritable, Text, DoubleWritable> {
     
    		@Override
    		protected void map(Text key, DoubleWritable value, Mapper<Text, DoubleWritable, Text, DoubleWritable>.Context context) throws IOException,
    				InterruptedException {
    			// 过滤
    			if (key.toString().length() < 8) {
    				// 把结果写出去
    				System.out.println("写出去的内容为：" + key.toString() +"++++"+ value.toString());
    				context.write(key, value);
    			}
    		}
    	}
    }

**注：驱动类中Reducer后面的Mapper必须应该通过ChainReducer来添加！**

##    **输出结果** ##

![20150410111628694][]

原文转载：[https://blog.csdn.net/lzm1340458776/article/details/44976371][https_blog.csdn.net_lzm1340458776_article_details_44976371]

[20150410111628694]: /images/20210923/bf7cc606a2fb4eac98c3823002271d20.png
[https_blog.csdn.net_lzm1340458776_article_details_44976371]: https://blog.csdn.net/lzm1340458776/article/details/44976371