这两天个人几篇文章介绍了改任务类的文章. 关联文章的地址
1.MapReduce编程模型
MapReduce采用的是“分而治之”的思想，把对大数据集合的操纵，分发给一个主节点管理下的各个分节点共同实现，通过整合各个分节点的旁边结果，得到最终结果。简略的来讲MapReduce就是”任务的分解和结果的合并“。
在hadoop中，用于执行MapReduce的呆板角色有两种，一是JobTraker，主要负责任务的调度，二是TaskTraker，主要负责执行任务，
在分布式计算进程中，MapReduce框架负责处理了分布式存储，工作调度，负载均衡，容错均衡，容错处理以及网络通信等复杂操纵。把处理的进程分别抽象成两个函数：map和reduce，map负责把任务分解成多个任务，而reduce把分解后的多任务结果汇总起来。
Tips：在MapReduce处理的数据集（或任务）必须具有以下特点：待数据集都可以完全分为小数据集，而且每个小数据集都可以并行停止操纵。
2.准备工作
创立两个文本，file1.txt和fil2.txt分别对文本写入一些英文
在集群上创立一个wordcount文件夹
把创立的两个文本上传到wordcount文件夹下
3.运行代码
package org.apache.hadoop.examples;
import java.io.IOException;
import java.util.StringTokenizer;
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.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;
public class WordCount {
public static class TokenizerMapper
extends Mapper<Object, Text, Text, IntWritable>{
private final static IntWritable one = new IntWritable(1);
private Text word = new Text();
public void map(Object key, Text value, Context context)
throws IOException, InterruptedException {
StringTokenizer itr = new StringTokenizer(value.toString());
while (itr.hasMoreTokens()) {
word.set(itr.nextToken());
context.write(word, one);
}
}
}
public static class IntSumReducer
extends Reducer<Text,IntWritable,Text,IntWritable> {
private IntWritable result = new IntWritable();
public void reduce(Text key, Iterable<IntWritable> values,Context context)
throws IOException, InterruptedException {
int sum = 0;
for (IntWritable val : values) {
sum += val.get();
}
result.set(sum);
context.write(key, result);
}
}
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
String[] ioargs = new String[]{hdfs://hadoop0:9000/home/hadoop/wordcount/file1.txt,hdfs://hadoop0:9000/home/hadoop/wordcount/file2.txt,hdfs://hadoop0:9000/home/hadoop/wordcount_out};
String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
if (otherArgs.length != 3) {
System.err.println("Usage: wordcount <in> <out>");
System.exit(2);
}
Job job = new Job(conf, "word count");
job.setJarByClass(WordCount.class);
job.setMapperClass(TokenizerMapper.class);
job.setCombinerClass(IntSumReducer.class);
job.setReducerClass(IntSumReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
FileInputFormat.addInputPath(job, new Path(otherArgs[1]));
FileOutputFormat.setOutputPath(job, new Path(otherArgs[2]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
4.运行结果
5.代码分析
Map进程须要继承org.apache.hadoop.mapreduce包中的Mapper类，并重写map方法，通过在map函数中添加两句把key和value输出到控制台的代码，可以发现map函数的value是文本文件的第一行（以回车为结束标记），而key值为该行首字母相对文本首地址的偏移量。然后StringToken类把每个行，拆分为一个单词，分别以<word,1>这样的情势输出。其余的工作交给MapReduce框架来处理。
Reduce进程须要继承org.apache.hadoop.mapreduce包中的Reducer类，并重写reduce方法，Map的进程输出<key,value>中key是单词，value为该单词的涌现次数的列表，所以在reduce方法中只须要把value停止遍历求和，就可以得到某一单词的涌现次数。
在MapReduce中，由Job类管理和运行一个任务，并通过一些Job的方法对计算任务停止设置，此处设置了应用TokenizerMapper类实现了Map进程的处理，应用IntSumReduce类实现了combine和Reduce进程的处理，还设置了Map进程和Reduce进程的输入输出类型，key为Text类型，vaule为IntWritable类型。任务的输入输出路径分别由FileInputFormat.addInputPath和FileOutputFormat.setOutputPath停止设定，实现响应的参数设定后，即可调用job.waitForComelption（）执行任务。
文章结束给大家分享下程序员的一些笑话语录：
开发时间
项目经理: 如果我再给你一个人,那可以什么时候可以完工?程序员: 3个月吧!项目经理: 那给两个呢?程序员: 1个月吧!
项目经理: 那100呢?程序员: 1年吧!
项目经理: 那10000呢?程序员: 那我将永远无法完成任务.