Hadoop解析--MapReduce

从本篇博客開始咱们一起来具体了解Hadoop的每一个部分。我们在上篇博客中介绍了HDFS，MapReduce，MapReduce为了更有效率事实上是建立在HDFS之上的。有了分布式的文件系统，我们就能在这个系统之上更有效率地进行分布式的计算。我们看看它是咱么实现更优秀的分布式计算。

优势

第一。限制大小

        由于HDFS对本地的文件大小做了限制，这样我们本地一个任务处理的量是有限的。尽管我们能够改变这个值。可是也为更好的运行任务打下了坚实的基础，分片的处理方式。不不过分开。还有限制。这种思想使我们欠缺的，分开不过攻克了问你。而限制，是在优化解决方式。

第二。备份

        HDFS对全部的文件，都会进行备份，这样就会降低非常多麻烦。我们以往对文件的备份还原一直是个头疼的问题。尤其是数据量上来之后。这件事情变得越来越不可控，而HDFS为计算数据做了备份。这样我们的失误率就会下降，在一台机器文件毁坏的情况下。不影响我们的计算，这就降低了查询日志的时间（相对传统数据库的备份策略）

第三。本地计算

        MapReduce中，全部的计算，都是在本地完毕，及时有计算须要外来数据。也是集合好后完毕。这样保证了我们最高效的带宽利用。使我们对数据的处理能力随着集群数目的增大而线性增大。

第四，预处理

        在计算的过程中，假设我们对数据的处理结果每次都要控制机进行汇总，和我们能够对计算出的数据，进行预处理，当然是预处理的效果好些，这样相当于减轻了控制机的压力。这种设计在前台js里也有涉及，我们通过js让客户机运行部分代码，减轻我们server的压力，这种效果，自然是比較优秀的！

第五，心跳

        在MapReduce过程中。心跳对我们的帮助也非常大，它帮助我们维护计算的可靠性，帮助我们屏蔽一部分因机器故障造成的计算失败，相当于心跳是我们计算过程中主要的保证！

原理

那么mapreduce是怎么做的呢。我们看看这幅原理图：

再看看一些细节上的图，帮我们这里了解下详细是怎么执行的：

源代码

有了前面的认识。我们通过代码看看，我们要秉着一个原则，就是这是简单的分治法的应用。所以这一切都不复杂，map就是分治法的分。reduce就是分治法的治，将大问题打散成小问题，最后整合小问题的结果：

map：

public static class Map extends MapReduceBase implements 
            Mapper<LongWritable, Text, Text, IntWritable> { 
        private final static IntWritable one = new IntWritable(1); 
        private Text word = new Text();
        public void map(LongWritable key, Text value, 
                OutputCollector<Text, IntWritable> output, Reporter reporter) 
                throws IOException { 
            String line = value.toString(); 
            StringTokenizer tokenizer = new StringTokenizer(line); 
            while (tokenizer.hasMoreTokens()) { 
                word.set(tokenizer.nextToken()); 
                output.collect(word, one); 
            } 
        } 
    }

reduce：

 public static class Reduce extends MapReduceBase implements 
            Reducer<Text, IntWritable, Text, IntWritable> { 
        public void reduce(Text key, Iterator<IntWritable> values, 
                OutputCollector<Text, IntWritable> output, Reporter reporter) 
                throws IOException { 
            int sum = 0; 
            while (values.hasNext()) { 
                sum += values.next().get(); 
            } 
            output.collect(key, new IntWritable(sum)); 
        } 
    }

任务运行的方法：

public static void main(String[] args) throws Exception { 
        JobConf conf = new JobConf(WordCount.class); 
        conf.setJobName("wordcount");
        conf.setOutputKeyClass(Text.class); 
        conf.setOutputValueClass(IntWritable.class);
        conf.setMapperClass(Map.class); 
        conf.setCombinerClass(Reduce.class); 
        conf.setReducerClass(Reduce.class);
        conf.setInputFormat(TextInputFormat.class); 
        conf.setOutputFormat(TextOutputFormat.class);
        FileInputFormat.setInputPaths(conf, new Path(args[0])); 
        FileOutputFormat.setOutputPath(conf, new Path(args[1]));
        JobClient.runJob(conf); 
    } 

任务方法解析：

首先解说一下 Job 的 初始化过程 。

main 函数调用 Jobconf 类来对 MapReduce Job 进行初始化，然后调用 setJobName() 方法命名这个 Job 。

对Job进行合理的命名有助于 更快 地找到Job，以便在JobTracker和Tasktracker的页面中对其进行 监视 。

JobConf conf = new JobConf(WordCount. class ); conf.setJobName("wordcount" );

接着设置Job输出结果<key,value>的中key和value数据类型。由于结果是<单词,个数>。所以key设置为"Text"类型，相当于Java中String类型。

Value设置为"IntWritable"。相当于Java中的int类型。

conf.setOutputKeyClass(Text.class );
conf.setOutputValueClass(IntWritable.class );

然后设置Job处理的Map（拆分）、Combiner（中间结果合并）以及Reduce（合并）的相关处理类。这里用Reduce类来进行Map产生的中间结果合并。避免给网络传输数据产生压力。

conf.setMapperClass(Map.class );
conf.setCombinerClass(Reduce.class );
conf.setReducerClass(Reduce.class );

接着就是调用setInputPath()和setOutputPath()设置输入输出路径。

conf.setInputFormat(TextInputFormat.class );
conf.setOutputFormat(TextOutputFormat.class );

总结：

        不论什么技术都是一种思想的体现，而这个世界。我们最主要的一个算法就是分治法。这是我们拿在手里的一本百科全书，差点儿能够解决我们80%的问题。而性能的问题尤其如此，我们经过了几百万年的演变，我们成为了地球上的强大智慧生物，我们本身就具有几百万年延续自己生命的强大竞争力。及我们几千年文明的积淀。我们如今遇到的问题，前人用文字书写在书上，我们一定能够找到。或者我们如今的生活，这个社会，也一定有这个问题的缩影。