MapReduce(一)

清疚 2023-09-28 16:21 114阅读 0赞

**目录**

一：MapReduce定义

二：MapReduce优缺点

三：WordCount案例实操（本地测试）

3.1 环境准备：

3.2 编写程序：

Mapper类：

Reducer类：

驱动类：Driver类

四：实操案例WordCount（集群测试）

--------------------

# 一：MapReduce定义 #

> MapReduce是一个**分布式运算程序**的**编程框架**，是用户开发“基于Hadoop的数据分析应用”的**核心框架**。 MapReduce核心**功能**是**将用户编写的业务逻辑代码和自带默认组件整合成一个完整的分布式运算程序，并发运行在一个Hadoop集群上**

# 二：MapReduce优缺点 #

优点：

**1）MapReduce易于编程**

它简单的实现一些接口，就可以完成一个分布式程序，这个分布式程序可以分布到大量廉价的PC机器上运行。也就是说你写一个分布式程序，跟写一个简单的串行程序是一模一样的。就是因为这个特点使得MapReduce编程变得非常流行。

**2）良好的扩展性**

当你的计算资源不能得到满足的时候，你可以通过简单的增加机器来扩展它的计算能力。

**3）高容错性**

MapReduce设计的初衷就是使程序能够部署在廉价的PC机器上，这就要求它具有很高的容错性。比如其中一台机器挂了，它可以把上面的计算任务转移到另外一个节点上运行，不至于这个任务运行失败，而且这个过程不需要人工参与，而完全是由Hadoop内部完成的。

**4）适合TB/PB级以上海量数据的离线处理**

可以实现上千台服务器集群并发工作，提供数据处理能力。

缺点：

**1）不擅长实时计算**

MapReduce无法像MySQL一样，在毫秒或者秒级内返回结果。

**2）不擅长流式计算**

流式计算的输入数据是动态的，而MapReduce的输入数据集是静态的，不能动态变化。这是因为MapReduce自身的设计特点决定了数据源必须是静态的。

**3）不擅长DAG（有向无环图）计算**

多个应用程序存在依赖关系，后一个应用程序的输入为前一个的输出。在这种情况下，

MapReduce并不是不能做，而是使用后，每个MapReduce作业的输出结果都会写入到磁盘，会造成大量的磁盘IO，导致性能非常的低下。

# 三：WordCount案例实操（本地测试） #

## 3.1 环境准备： ##

（1）在pom.xml中添加依赖

<dependencies>
            <dependency>
                <groupId>org.apache.hadoop</groupId>
                <artifactId>hadoop-client</artifactId>
                <version>3.1.3</version>
            </dependency>
            <dependency>
                <groupId>junit</groupId>
                <artifactId>junit</artifactId>
                <version>4.12</version>
            </dependency>
            <dependency>
                <groupId>org.slf4j</groupId>
                <artifactId>slf4j-log4j12</artifactId>
                <version>1.7.30</version>
            </dependency>
        </dependencies>

（2）在项目的src/main/resources目录下，新建一个文件，命名为“log4j.properties”，在文件中填入。

log4j.rootLogger=INFO, stdout 
      log4j.appender.stdout=org.apache.log4j.ConsoleAppender 
      log4j.appender.stdout.layout=org.apache.log4j.PatternLayout 
      log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n 
      log4j.appender.logfile=org.apache.log4j.FileAppender 
      log4j.appender.logfile.File=target/spring.log 
      log4j.appender.logfile.layout=org.apache.log4j.PatternLayout 
      log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

## 3.2 编写程序： ##

### Mapper类： ###

package com.atguigu.mapreduce.wordcount;
    
    import org.apache.hadoop.io.IntWritable;
    import org.apache.hadoop.io.LongWritable;
    import org.apache.hadoop.io.Text;
    import org.apache.hadoop.mapreduce.Mapper;
    
    import java.io.IOException;
    
    /**
     * KEYIN,map阶段输入的key的类型：LongWritable
     * VALUEIN,map阶段输入value的类型：Text
     * KEYOUT,map阶段输出的key的类型：Text
     * VALUEOUT,map阶段输出的key的类型：IntWritable
     */
    
    public class WordCountMapper extends Mapper<LongWritable, Text,Text, IntWritable> {
        private Text outKey=new Text();
        private IntWritable outVal=new IntWritable(1);
    
    
        @Override
        protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, IntWritable>.Context context) throws IOException, InterruptedException {
            //1.获取一行
            String line=value.toString();
    
            //2.切割
            String[] words=line.split(" ");
    
            //3.循环写出
            for(String word:words){
                //封装
                outKey.set(word);
                //写出
                context.write(outKey,outVal);
            }
        }
    }

### Reducer类： ###

package com.atguigu.mapreduce.wordcount;
    
    import org.apache.hadoop.io.IntWritable;
    import org.apache.hadoop.io.Text;
    import org.apache.hadoop.mapreduce.Reducer;
    
    import java.io.IOException;
    
    /**
     * KEYIN,reduce阶段输入的key的类型：Text
     * VALUEIN,reduce阶段输入value的类型：IntWritable
     * KEYOUT,reduce阶段输出的key的类型：Text
     * VALUEOUT,reduce阶段输出的key的类型：IntWritable
     */
    
    public class WordCountReduce extends Reducer<Text, IntWritable,Text,IntWritable> {
    
        private IntWritable outVal=new IntWritable();
        @Override
        protected void reduce(Text key, Iterable<IntWritable> values, Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException {
            int sum=0;
            //累加
            for(IntWritable value:values){
                sum+=value.get();
            }
            outVal.set(sum);
    
            //写出
            context.write(key,outVal);
        }
    }

### 驱动类：Driver类 ###

package com.atguigu.mapreduce.wordcount;
    
    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;
    
    import java.io.IOException;
    
    public class WordCountDriver {
    
        public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {
            //1.获取job
            Configuration conf=new Configuration();
            Job job=Job.getInstance(conf);
    
            //2.设置jar包路径
            job.setJarByClass(WordCountDriver.class);
    
            //3.关联mapper和reducer
            job.setMapperClass(WordCountMapper.class);
            job.setReducerClass(WordCountReduce.class);
    
            //4.设置map输出的KV类型
            job.setMapOutputKeyClass(Text.class);
            job.setMapOutputValueClass(IntWritable.class);
    
            //5.设置最终输出的KV类型
            job.setOutputKeyClass(Text.class);
            job.setOutputValueClass(IntWritable.class);
            //6.设置输出路径和输出路径
            FileInputFormat.setInputPaths(job,new Path("D:\\hello.txt"));
            FileOutputFormat.setOutputPath(job,new Path("D:\\output"));
    
            //7.提交job
            boolean result=job.waitForCompletion(true);
            System.exit(result?0:1);
        }
    }

然后，开始运行程序。

# 四：实操案例WordCount（集群测试） #

> 前提：先将上面三个类一起复制到一个新的软件包中，注意，要一起复制，要不然Driver类可能会使用上面的jar包。

（1）用maven打jar包，需要添加的打包插件依赖

<build>
            <plugins>
                <plugin>
                    <artifactId>maven-compiler-plugin</artifactId>
                    <version>3.6.1</version>
                    <configuration>
                        <source>1.8</source>
                        <target>1.8</target>
                    </configuration>
                </plugin>
                <plugin>
                    <artifactId>maven-assembly-plugin</artifactId>
                    <configuration>
                        <descriptorRefs>
                            <descriptorRef>jar-with-dependencies</descriptorRef>
                        </descriptorRefs>
                    </configuration>
                    <executions>
                        <execution>
                            <id>make-assembly</id>
                            <phase>package</phase>
                            <goals>
                                <goal>single</goal>
                            </goals>
                        </execution>
                    </executions>
                </plugin>
            </plugins>
        </build>

--------------------

> 注意：如果工程上显示红叉。在项目上右键->maven->Reimport刷新即可。

（2）将程序打成jar包

![a9d33132f55c42fb9cf89b27f3a3cda9.png][]

（3）修改不带依赖的jar包名称为wc.jar，并拷贝该jar包到Hadoop集群的/opt/module/hadoop-3.1.3路径。

（4）启动Hadoop集群

（5）执行WordCount程序

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop jar wc.jar  com.atguigu.mapreduce.wordcount.WordCountDriver /user/atguigu/input /user/atguigu/output

[a9d33132f55c42fb9cf89b27f3a3cda9.png]: https://img-blog.csdnimg.cn/a9d33132f55c42fb9cf89b27f3a3cda9.png