MapReduce编程规范及示例编写

1、Mapper类

用户自定义一个Mapper类继承Hadoop的Mapper类
Mapper的输入数据是KV对的形式（类型可以自定义）
Map阶段的业务逻辑定义在map()方法中
Mapper的输出数据是KV对的形式（类型可以自定义）

注意：map()方法是对输入的一个KV对调用一次！！

2、Reducer类

用户自定义Reducer类要继承Hadoop的Reducer类
Reducer的输入数据类型对应Mapper的输出数据类型（KV对）
Reducer的业务逻辑写在reduce()方法中
Reduce()方法是对相同K的一组KV对调用执行一次

3、Driver阶段

创建提交YARN集群运行的Job对象，其中封装了MapReduce程序运行所需要的相关参数入输入数据路径，输出数据路径等，也相当于是一个YARN集群的客户端，主要作用就是提交我们MapReduce程序运行。

4、WordCount代码实现

4.1、需求

在给定的文本文件中统计输出每一个单词出现的总次数
输入数据：wc.txt;
输出：

apache 2
clickhouse 2
hadoop 1
mapreduce 1
spark 2
xiaoming 1

4.2、具体步骤

按照MapReduce编程规范，分别编写Mapper，Reducer，Driver。

（1）新建maven工程

导入hadoop依赖


"1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0modelVersion>
    
    <groupId>com.lagougroupId>
    <artifactId>WordcountartifactId>
    <version>1.0-SNAPSHOTversion>
    
    <dependencies>
        <dependency>
            <groupId>org.apache.logging.log4jgroupId>
            <artifactId>log4j-coreartifactId>
            <version>2.8.2version>
        dependency>
        <dependency>
            <groupId>org.apache.hadoopgroupId>
            <artifactId>hadoop-commonartifactId>
            <version>2.9.2version>
        dependency>
        <dependency>
            <groupId>org.apache.hadoopgroupId>
            <artifactId>hadoop-clientartifactId>
            <version>2.9.2version>
        dependency>
        <dependency>
            <groupId>org.apache.hadoopgroupId>
            <artifactId>hadoop-hdfsartifactId>
            <version>2.9.2version>
        dependency>
    dependencies>
    
    <build>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.pluginsgroupId>
                <artifactId>maven-compiler-pluginartifactId>
                <version>3.5.1version>
                <configuration>
                    <source>1.8source>
                    <target>1.8target>
                configuration>
            plugin>
    
            
            
            <plugin>
                <artifactId>maven-compiler-pluginartifactId>
                <version>2.3.2version>
                <configuration>
                    <source>1.8source>
                    <target>1.8target>
                configuration>
            plugin>
            <plugin>
                <artifactId>maven-assembly-pluginartifactId>
                <configuration>
                    <descriptorRefs>
                        <descriptorRef>jar-with-dependenciesdescriptorRef>
                    descriptorRefs>
                configuration>
                <executions>
                    <execution>
                        <id>make-assemblyid>
                        <phase>packagephase>
                        <goals>
                            <goal>singlegoal>
                        goals>
                    execution>
                executions>
            plugin>
        plugins>
    build>
 
project>

添加log4j.properties


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

（2）整体思路梳理（仿照源码）

Map阶段：

map()方法中把传入的数据转为String类型
根据空格切分出单词
输出<单词，1>

Reduce阶段：

汇总各个key(单词)的个数，遍历value数据进行累加
输出key的总数

Driver

获取配置文件对象，获取job对象实例
指定程序jar的本地路径
指定Mapper/Reducer类
指定Mapper输出的kv数据类型
指定最终输出的kv数据类型
指定job处理的原始数据路径
指定job输出结果路径
提交作业

（3）编写Mapper类


package com.lagou.mr.wc;
 
import org.apache.hadoop.io.*;
import org.apache.hadoop.mapreduce.Mapper;
 
import java.io.IOException;
 
// 继承Mapper类
// Mapper类的泛型参数共四个，2对kv
/*
 *  第一对kv：map输入参数类型
 *  第二队kv：map输出参数类型
 *  LongWritable, Text ->文本偏移量（后面不会用到），一行文本内容
 *  Text, IntWritable ->单词，1
 */
public class WordCountMapper extends Mapper {
    // 重写Mapper类的map方法
    /**
     * 1、接收文本内容，转为String类型
     * 2、按照空格进行拆分
     * 3、输出<单词, 1>
     */
 
    // 提升为全局方法，避免每次执行map方法，都执行此操作
    Text word = new Text();
    IntWritable one = new IntWritable(1);
 
    // LongWritable, Text ->文本偏移量，一行文本内容，map方法的输入参数，一行文本调用一次map方法
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        // 1、接收文本内容，转为String类型
        String str = value.toString();
        // 2、按照空格进行拆分
        String[] words = str.split(" ");
        // 3、输出<单词, 1>
        // 遍历数据
        for (String s : words) {
            word.set(s);
            context.write(word, one);
        }
 
    }
}

继承的Mapper类型选择新版本API：

（4）编写Reducer类


package com.lagou.mr.wc;
 
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.io.*;
 
import java.io.IOException;
 
// 继承的Reducer类有四个泛型参数 2对kv
// 第一对kv：类型要与Mapper输出类型一致：Text, IntWritable
public class WordCountReducer extends Reducer {
    // 1、重写reduce方法
 
    // Text key:map方法输出的key，本案中就是单词，
    // Iterable values: 一组key相同的kv的value组成的集合
 
    /**
     * 假设map方法：hello 1; hello 1; hello 1
     * reduce的key和value是什么
     * key:hello
     * values:<1,1,1>
     * 
     * 假设map方法输出：hello 1, hello 1, hadoop 1, mapreduce 1, hadoop 1
     * reduce的key和value是什么？
     * reduce方法何时调用：一组key相同的kv中的value组成集合然后调用一次reduce方法
     * 第一次：key:hello ,values:<1,1,1>
     * 第二次：key:hadoop ,values<1,1>
     * 第三次：key:mapreduce ,values<1>
     */
    IntWritable total = new IntWritable();
 
    @Override
    protected void reduce(Text key, Iterable values, Reducer.Context context) throws IOException, InterruptedException {
        // 2、遍历key对应的values，然后累加结果
        int sum = 0;
        for (IntWritable value : values) {
            int i = value.get();
            sum += 1;
        }
        // 3、直接输出当前key对应的sum值，结果就是单词出现的总次数
        total.set(sum);
        context.write(key, total);
    }
}

选择继承的Reducer类

（5） 编写Driver驱动类


package com.lagou.mr.wc;
 
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;
 
// 封装任务并提交运行
public class WordCountDriver {
    public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {
        /*
        1. 获取配置文件对象，获取job对象实例
        2. 指定程序jar的本地路径
        3. 指定Mapper/Reducer类
        4. 指定Mapper输出的kv数据类型
        5. 指定最终输出的kv数据类型
        6. 指定job处理的原始数据路径
        7. 指定job输出结果路径
        8. 提交作业
         */
 
        // 1. 获取配置文件对象，获取job对象实例
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf, "WordCountDriver");/// jobName可以自定义
        // 2. 指定程序jar的本地路径
        job.setJarByClass(WordCountDriver.class);
 
        //  3. 指定Mapper/Reducer类
        job.setMapperClass(WordCountMapper.class);
        job.setReducerClass(WordCountReducer.class);
 
        //  4. 指定Mapper输出的kv数据类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);
 
        // 5. 指定最终输出的kv数据类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
 
        // 6. 指定job处理的原始数据路径
        FileInputFormat.setInputPaths(job, new Path(args[0])); // 指定读取数据的原始路径
 
        //  7. 指定job输出结果路径
        FileOutputFormat.setOutputPath(job, new Path(args[1])); // 指定结果数据输出路径
 
        //  8. 提交作业
        boolean flag = job.waitForCompletion(true);
        // jvm退出：正常退出0，非0值则是错误退出
        System.exit(flag ? 0 : 1);
 
    }
}

运行任务

1、本地模式

直接Idea中运行驱动类即可

idea运行需要传入参数：

选择editconfiguration

在program arguments设置参数

运行时报错 ----> 参见博文org.apache.hadoop.io.nativeio.NativeIO$Windows.access0(Ljava/lang/String；I)Z的解决办法_zhouang770377的博客-CSDN博客

运行结束，去到输出结果路径查看结果

注意本地idea运行mr任务与集群没有任何关系，没有提交任务到yarn集群，是在本地使用多线程方式模拟的mr的运行。

2、Yarn集群模式

把程序打成jar包，改名为wc.jar;上传到Hadoop集群

选择合适的Jar包

准备原始数据文件，上传到HDFS的路径，不能是本地路径，因为跨节点运行无法获取数据！！

启动Hadoop集群（Hdfs,Yarn）

使用Hadoop 命令提交任务运行

hadoop jar wc.jar com.lagou.wordcount.WordcountDriver /user/lagou/input /user/lagou/output

Yarn集群任务运行成功展示图

相关阅读:
10 分钟彻底理解 Redis 的持久化和主从复制
 Linux读写锁的容易犯的问题
 python pip安装超时使用国内镜像
 8、Spring 源码学习 ~ 自定义标签的解析
 算法分糖果-(贪心)
jbase代码生成器(成型篇)
Linux -开机、重启和用户登录注销
 2024系统架构师---论软件系统架构风格
 MySQL 锁常见知识点&面试题总结
 绿米Aqara S1【妙控开关 S1E】版本降级或升级自定义固件的方法
原文地址：https://blog.csdn.net/weixin_52851967/article/details/127131833