原文:http://www.cnblogs.com/wly603/archive/2012/04/29/2476178.html
前言
本文是学习hadoop后的笔记总结,由于对hadoop了解不深,正处于摸索阶段,所以分析不够透测。本文是记录我的学习过程和学习总结。
环境:ubuntu 8.04.4 hadoop1.0.2(hadoop的版本不同,API略有变化)
参考书籍:
《 Hadoop权威指南(中文版)》 清华出版社
《实战Hadoop--开启通向运计算的捷径》 刘鹏主编
1、Hadoop版的helloworld源码(即wordcount)
源码来自于 /usr/local/hadoop-1.0.2/src/examples/org/apache/hadoop/examples/WordCount.java
WordCount
2、分析
从以下几个方面进行分析:数据类型,执行过程(map,reduce),主函数(作业的配置方法)
(1)常见数据类型
整型:IntWritable, 这是Hadoop对int的封装
字符串型:Text,这是Hadoop对String的封装
上下文对象:Context,它用来与MapReduce系统进行通信,如把map的结果传给reduce处理
由于map、reduce的输入输出key/value组成的键值对,所以用context.write(key,value)来传递数据
(2)执行过程
分为两个阶段:map和reduce, 以key/value为输入输出,其中key、value的类型可以由程序员自定义
2.1 map阶段
自定义一个类,继承于基类Mapper,该基类是一个泛型,有4个形参类型:用来指定map函数的输入键、输入值,输出键、输 出值,如下 public class Mapper<KEYIN, VALUEIN, KEYOUT, VALUEOUT>,源码位于/usr/local/hadoop-1.0.2/src/mapred/org/apache/hadoop/mapreduce/Mapper.java,但老版本的Mapper是一个接口public interface Mapper<K1, V1, K2, V2> extends JobConfigurable, Closeable ,老版本源码位于/usr/local/hadoop-1.0.2/src/mapred/org/apache/hadoop/mapred/Mapper.java。
根据实际需要,重写map函数,函数类型由Mapper指定。Called once for each key/value pair in the input split. Most applications should override map().每一对<key,value>调用一次map函数。
wordcount程序中,map方法中的value值存储的是文本文件中的一行,key值为该行的首字符相对于文本文件首字符的偏移量,在本程序中,key值未使用。StringTokenizer类是将每一行拆分为一个个的单词。
2.2 reduce阶段
自定义一个类,继承于基类Reducer,该基类是一个泛型,有4个形参类型:用来指定reduce函数的输入键、输入值,输出键、输出值public class Reducer<KEYIN,VALUEIN,KEYOUT,VALUEOUT>,其中reduce的输入类型必须与map的输出类型一致。
根据实际需要,重写reduce方法,方法的类型由Reducer指定,called once for each key. Most applications will define their reduce class by overriding this method。每一个key调用一次reduce方法。
2.3 主函数(作业的配置方法)
注意:新版本中使用/usr/local/hadoop-1.0.2/src/mapred/org/apache/hadoop/mapreduce 中的Job类来进行作业的配置
Job类主要的方法:
setJarByClass(Class<?> cls),作用:Set the Jar by finding where a given class came from.
setOutputKeyClass(Class<?> theClass),作用:Set the key class for the job output data.
setOutputValueClass(Class<?> theClass) ,作用:Set the value class for job outputs.
setJobName(String name)
setMapperClass(Class<? extends Mapper> cls),作用:Set the{@link Mapper} for the job
setReducerClass(Class<? extends Reducer> cls) ,作用: Set the {@link Reducer} for the job
waitForCompletion(boolean verbose ) ,作用:Submit the job to the cluster and wait for it to finish.
3、Hadoop程序处理流程
(1)将文件拆分为splits,并由MapReduce框架自动完成分割,将每一个split分割为<key,value>对
(2)每一对<key,value>调用一次map函数,处理后生产新的<key,value>对,由Context传递给reduce处理
(3)Mapper对<key,value>对进行按key值进行排序,并执行Combine过程,将key值相同的value进行合并。最后得到Mapper的最终输出结果
(4)reduce处理,处理后将新的<key,value>对输出。
分享到:
相关推荐
Hadoop开发WordCount源码程序详细讲解,每一行都带注释说明。
基于Windows eclipse maven Hadoop 的WordCount源码。下载后需要自己编译jar包,详情请看解压后的README.md
使用hadoop实现WordCount详细实验报告,配有环境变量配置截图以及实验运行及结果详细过程描述与截图
资源名称:大数据处理系统:Hadoop源代码情景分析内容简介:Hadoop是目前重要的一种开源的大数据处理平台,读懂Hadoop的源代码,深入理解其各种机理,对于掌握大数据处理的技术有着显而易见的重要性。 本书从大数据...
大数据处理系统:Hadoop源代码情景分析(采用Hadoop 2.6)
大数据处理系统:Hadoop源代码情景分析
hadoop wordcount2.0 包含省略标点,忽略大小写等内容
深入云计算:Hadoop源代码分析(修订版)
Hadoop 用mapreduce实现Wordcount实例,绝对能用
Maven坐标:org.apache.hadoop:hadoop-mapreduce-client-common:2.6.5; 标签:apache、mapreduce、common、client、hadoop、jar包、java、API文档、中英对照版; 使用方法:解压翻译后的API文档,用浏览器打开...
hadoop-wordcount测试程序,jar包,单词统计的不二之选
包含配置hadoop过程中遇到的一些问题的解决办法和成功运行wordcount实例的步骤
一套eclipse中的hadoop开发环境搭建教程,附带了eclipse中的hadoop的两个demo,一个是wordcount、一个是sort,大家一起学习进步!
大数据实验报告Hadoop编程实现wordcount单词统计程序附源码.doc
数据算法: Hadoop+Spark大数据处理技巧,pdf,高清,带书签,下载下来解压即可
赠送jar包:hadoop-auth-2.6.5.jar 赠送原API文档:hadoop-auth-2.6.5-javadoc.jar ...人性化翻译,文档中的代码和结构保持不变,注释和说明精准翻译,请放心使用。 双语对照,边学技术、边学英语。
wordcount-mapreduce Hadoop MapReduce WordCount 示例应用程序
该代码为hadoop的经典wordcount代码,java实现。代码里有详细注解,适合于入学者。
这是一个wordcount的一个简单实例jar包,仅仅用来做测试。...map类:org.apache.hadoop.wordcount.WordCountMapReduce$WordCountMapper reduce类 org.apache.hadoop.wordcount.WordCountMapReduce$WordCountReducer
Hadoop集群-WordCount运行详解.pdf Hadoop,Hadoop集群,WordCount,pdf