• hadoop_06

    hadoop_06

    1.map端进行join

    • 用户数据：

      用户id 用户名，年龄，性别，朋友
u001,senge,18,male,angelababy
u002,,58,male,ruhua
...

    • 订单数据：

      订单,用户id
order001,u002
order001,u003
order001,u001
order001,u004
order002,u005
...

    • 设计思路:

      1.将用户(user)数据缓存到maptask的机器中(本地路径)。

      2.在map方法之前读取用户(user)数据,存储到Map集合中 格式: Map<uid, User>

      3.map方法只读orders数据，根据orders数据中uid获取Map中的User数据，进行拼接

    • 代码：

      package com.xjk.map_join;

import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;
import java.util.HashMap;
import java.util.Map;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import com.xjk.yarn.DriverClass;
import com.xjk.yarn.WordCountMapper;
import com.xjk.yarn.WordCountReduce;

/*
 *map端 join
 *1.将user数据缓存到maptask的机器中（当前类路径下）。
 *2.在map方法之前读取user数据，存储在Map集合中<uid,User>
 *3.map方法只读orders数据，根据orders数据中uid获取Map中
 *User进行拼接 
 * 
 * */
public class Join {
	static class JoinMapper extends Mapper<LongWritable, Text, Text, NullWritable>{
		// 创建空Map
		Map<String, User> map = new HashMap<>();
		// 读取缓存数据
		@Override
		protected void setup(Mapper<LongWritable, Text, Text, NullWritable>.Context context)
				throws IOException, InterruptedException {
			// 读取本地，缓存 user.txt文件
			BufferedReader br = new BufferedReader(new FileReader("e:/data/user.txt"));
			String line = null;
			while ((line = br.readLine())!=null) {
				// 构建user对象
				String[] split = line.split(",");
				User user = new User();
				user.set(split[0], split[1], Integer.parseInt(split[2]), split[3]);
				// map uid为key, user对象为value
				map.put(user.getUid(), user);
			}
		}
		Text k = new Text();
		// 读取orders数据
		@Override
		protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, NullWritable>.Context context)
				throws IOException, InterruptedException {
			String line = value.toString();
			String[] split = line.split(",");
			// 获取订单用户id
			String uid = split[1];
			// 从map中获取，该uid的用户信息
			User user = map.get(uid);
			// 订单号与用户信息拼接
			String res = split[0] + "," + user.toString();
			k.set(res);
			context.write(k, NullWritable.get());
		}
	}
	public static void main(String[] args) throws Exception {
		// 设置用户名 root权限
		System.setProperty("HADOOP_USER_NAME", "root");
		// 生成默认配置
		Configuration conf = new Configuration();
		Job job = Job.getInstance(conf);
		// 连接远程hdfs
		conf.set("fs.defaultFS", "hdfs://linux01:9000");
		// 设置程序运行在yarn ,默认local
		conf.set("mapreduce.framework.name", "yarn");
		// 设置resource manager主机
		conf.set("yarn.resourcemanager.hostname","linux01");
		// 允许 mapreduce程序跨平台运行
		conf.set("mapreduce.app-submission.cross-platform","true");
		// 设置本地程序的jar路径
		job.setJar("E:\data\join.jar");
		// 设置缓存分布式路径 hdfs根目录的user.txt
		job.addCacheFile(new Path("hdfs://linux01:9000/user.txt").toUri());
		job.setMapperClass(JoinMapper.class);
		
		// map做最终输出
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(NullWritable.class);
		//输入数据  设置默认处理文件路径，默认处理文本数据long line
		FileInputFormat.setInputPaths(job, new Path("hdfs://linux01:9000/data/join/input/"));
		//输出数据路径
		FileOutputFormat.setOutputPath(job, new Path("hdfs://linux01:9000/data/join/output/"));
		// 设置reduce数量
		job.setNumReduceTasks(2);
		// 将任务提交，默认在本地运行true将job执行消息打印在控制台上。
		job.waitForCompletion(true);
		// 输入数据路经中只有order数据
	}
}

    • 前置配置：

      # 1.将程序打包jar包到  E:\data\join.jar下

# 2.启动linux机器
start-all.sh

# 3.将order.txt 和user.txt添加hdfs中
hdfs dfs -mkdir -p /data/join/input
hdfs dfs -put ./order.txt /data/join/input
hdfs dfs -put ./user.txt /

# 运行程序

    2.job在yarn的工作流程

    • mr在yarn工作流程：

      步骤1：客户端
	new Configurationn();// 配置信息
	job.setJar()   // jar包
	FileInputFormat.setInputPaths   // 工作路径
	通过job.waitForCompletion(true)将job任务提交到 ResourceManager
步骤2：ResourceManager:
	到ResourceManager节点上会返回一个job的id和工作目录 给客户端。
	而 ResourceManager 有两个重要的组件：ApplicationManager(管理任务程序) 和 scheduler(调度器，分配资源)
步骤3：
	客户端对job进行初始化（它作用是：1.创建工作目录。2初始化配置xml文件。3.上传jar包。）。
步骤4：
	客户端根据数据路经计算任务切片。
	计算任务切片方式：
		1.根据输入路径中文件个数和大小计算
		2.判断文件大小是否小于等于blocksize(128M),划分一个maptask。
步骤5：
	客户端向 ResourceManager 的scheduler 申请容器， ResourceManager通过 ApplicationManager申请一个任务程序（apptask）,而scheduler 会有一个任务队列，并把apptask放进任务队列里。
步骤6：
	而nodemanager定期会向ResourceManager汇报同时会领取自己的任务。在领取自己任务之后，会创建一个容器（container 比如2G 1core）。
步骤7:
	nodemanager 从初始化job客户端 下载所需工作环境(*.xml,*.jar)。并初始化maprreduceapptask
步骤8：
	客户端 发送shell命令启动 并初始化maprreduceapptask
步骤9：
	此时 nodemanager 里的 maprreduceapptask 知道有几个maptask和reducetask。 而nodemanager会向 ResourceManager 申请资源。
步骤10：
	而 ResourceManager 任务队列会创建 maptask 和 reducetask任务（假如有2个maptask,2个reducetask）。然后各个 nodemanager 领取自己任务 并创建容器，通过 YarnChild 管理自己maptask。

步骤11：
	通过 maprreduceapptask 发送执行任务指令 让 maptask执行

步骤12：
	各个执行的maptask 会汇报自己执行maptask 任务进度给 maprreduceapptask 
步骤13：
	maprreduceapptask 统一 向 ResourceManager 汇报总进度
步骤14：
	maprreduceapptask 给客户端进行反馈
步骤15：
	maptask运行一阵后产生数据，maprreduceapptask 发送指令 执行 reducetask。而reducetask 也一样会定期向 maprreduceapptask汇报
步骤16：
	当工作全部完成， 回收Yarnchild对象，释放maptask和reducetask容器。
步骤17：
	回收 maprreduceapptask 对象,释放 初始化容器，清除工作的缓存(*.jar等等)

    3.数据倾斜

    • 当某个数据hashcode特别多，大多数任务压在一台机器上，导致当前机器压力特别大，而其他机器资源占用少。通过对key进行random均衡分配任务给各个机器上。避免数据倾斜。

    • 第一步处理：

      package com.xjk.map.skew;

import java.io.IOException;
import java.util.Random;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
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;


public class Skew1 {
	static class Skew1Mapper extends Mapper<LongWritable, Text, Text, IntWritable>{
		int numReduceTasks = 1;
		@Override
		protected void setup(
				Mapper<LongWritable, org.apache.hadoop.io.Text, org.apache.hadoop.io.Text, IntWritable>.Context context)
				throws IOException, InterruptedException {
			// 在setup方法中获取job中reducer的个数。
			numReduceTasks = context.getNumReduceTasks();
		}
		
		Text k = new Text();
		Random r = new Random();
		IntWritable v = new IntWritable(1);
		@Override
		protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, IntWritable>.Context context)
				throws IOException, InterruptedException {
			String line = value.toString();
			String[] split = line.split(" ");
			for (String word : split) {
				// 通过reducer个数获取随机数
				int nextInt = r.nextInt(numReduceTasks);
				// 拼接key的值。这样对key进行hashcode减少数据倾斜 
				String res = word + "-" + nextInt;
				k.set(res);
				context.write(k, v);
			}
		}
	}
	static class Skew1Reducer extends Reducer<Text, IntWritable, Text, IntWritable>{
		@Override
		protected void reduce(Text key, Iterable<IntWritable> values,
				Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException {
			int count = 0;
			// 遍历values
			for (IntWritable intWritable : values) {
				count ++;
			}
			context.write(key, new IntWritable(count));// a-1 10,a-2 15
		}
	}
	public static void main(String[] args) throws Exception {
		// 生成默认配置
		Configuration configuration = new Configuration();
		//configuration.set("hadoop.tmp.dir", "E:/hdfs_tmp_cache"); 
		Job job = Job.getInstance(configuration);
		// map和reduce的类
		job.setMapperClass(Skew1Mapper.class);
		job.setReducerClass(Skew1Reducer.class);
		// map输出k-v类型，
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(IntWritable.class);
		//reduce输出k-v类型
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(IntWritable.class);
		// 设置reduce数量
		job.setNumReduceTasks(3);
		//输入数据  设置默认处理文件路径，默认处理文本数据long line
		FileInputFormat.setInputPaths(job, new Path("D:\data\skew\input"));
		//输出数据路径
		FileOutputFormat.setOutputPath(job, new Path("D:\data\skew\output2"));
		
		// 将任务提交，默认在本地运行true将job执行消息打印在控制台上。
		job.waitForCompletion(true);
	}
}

      得到数据

      a-0	596
b-2	106
c-1	297
...

    • 第二步骤处理：

      package com.xjk.map.skew;

import java.io.IOException;
import java.util.Random;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
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;


public class Skew2 {
	static class Skew1Mapper extends Mapper<LongWritable, Text, Text, IntWritable>{
		Text k = new Text();
		IntWritable v = new IntWritable(1);
		@Override
		protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, IntWritable>.Context context)
				throws IOException, InterruptedException {
			String line = value.toString();
			String[] split = line.split("	");
			String word = split[0].split("-")[0];
			int count = Integer.parseInt(split[1]);
			k.set(word);
			v.set(count);
			context.write(k, v);
		}
	}
	static class Skew1Reducer extends Reducer<Text, IntWritable, Text, IntWritable>{
		@Override
		protected void reduce(Text key, Iterable<IntWritable> values,
				Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException {
			int count = 0;
			// 遍历values
			for (IntWritable intWritable : values) {
				count += intWritable.get();
			}
			context.write(key, new IntWritable(count));// a-1 10,a-2 15
		}
	}
	public static void main(String[] args) throws Exception {
		// 生成默认配置
		Configuration configuration = new Configuration();
		//configuration.set("hadoop.tmp.dir", "E:/hdfs_tmp_cache"); 
		Job job = Job.getInstance(configuration);
		// map和reduce的类
		job.setMapperClass(Skew1Mapper.class);
		job.setReducerClass(Skew1Reducer.class);
		// map输出k-v类型，
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(IntWritable.class);
		//reduce输出k-v类型
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(IntWritable.class);
		// 设置reduce数量
		job.setNumReduceTasks(3);
		//输入数据  设置默认处理文件路径，默认处理文本数据long line
		FileInputFormat.setInputPaths(job, new Path("D:\data\skew\output2"));
		//输出数据路径
		FileOutputFormat.setOutputPath(job, new Path("D:\data\skew\output3"));
		// 将任务提交，默认在本地运行true将job执行消息打印在控制台上。
		job.waitForCompletion(true);
	}
}

      得到数据

      a	1770
d	240
g	60
...

    4.自定义多路径输出

    • 有时我们想将输出结果自定义输出到不同路径上，我们可以通过执行reduce中自定义方式进行多路径输出

      import org.apache.hadoop.mapreduce.lib.output.MultipleOutputs;

// 1.在reduce处理setup方法中，生成多路径对象
MultipleOutputs<Text, IntWritable> outputs = null;
	@Override
	protected void setup(Reducer<Text, IntWritable, Text, IntWritable>.Context context)
			throws IOException, InterruptedException {
		outputs = new MultipleOutputs<>(context);
	}
// 2. reduce中定义输出路径
if (word.startsWith("h")) {
    // key, value ,输出路径
    outputs.write(key, new IntWritable(count), "d:/data/wc/out1/");// 最后带斜杠会生成数据文件会在out1文件夹里，不带斜杠会生成out1的文件
}else {
    outputs.write(key, new IntWritable(count), "d:/data/wc/out2/");
}

// 3. 最后关闭输出对象
/*关闭输出对象，释放输出流*/
@Override
protected void cleanup(Reducer<Text, IntWritable, Text, IntWritable>.Context context)
    throws IOException, InterruptedException {
    outputs.close();
}
// 4.
FileOutputFormat.setOutputPath(job, new Path("d:/data/wc/output"));
// 此时执行结果会输出到自定义路径。如果想在最终定义的输出路径不产生文件可执行
import org.apache.hadoop.mapreduce.lib.output.LazyOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
LazyOutputFormat.setOutputFormatClass(job, TextOutputFormat.class);

    5.输入和输出

    5.1输出序列化文件SequenceFile

    • SequenceFileInputFormat,SequenceFileOutputFormat

    • SequenceFile:是hadoop设计的一种序列化文件格式，SQE开头，文件中是连续的key-value序列化数据。

    • 当MAPREDUCE处理的数据是SequenceFile的时候，需要知道处理文件key,value格式，运算框架会读取一堆key-value处理。

    • 其实相当于每次读一对key-value.没有换行概念。

    // 输出端：
// 默认输出TextFileOutput
FileOutputFormat.setOutputPath(job, new Path("d:/data/Friends/output/"));
// 用来取代默认text文件格式输出，输出Sequence格式
job.setOutputFormatClass(SequenceFileOutputFormat.class);

// 输入端：
保证输入的key和value类型与输出端一致， 在map方法读取一堆key-value
static class SameF2Mapper extends Mapper<Text, Text, Text, Text>{
    Text k = new Text();
    Text v = new Text();
    protected void map(Text key, Text value, org.apache.hadoop.mapreduce.Mapper<LongWritable,Text,Text,Text>.Context context) throws java.io.IOException ,InterruptedException {
        context.write(key, value);
    }
	//设置读取sequence文件
    job.setInputFormatClass(SequenceFileInputFormat.class);
    • SequenceFile输出文件更小，并且读取数据比默认TextFileOutput更快。

    5.2 输出压缩文件

    • mapred-site.xml配置。
    # 指定输出压缩文件
<property>
	<name>mapreduce.map.output.compress</name>
	<value>false</value>
</property>

# 默认编码方式
<property>
	<name>mapreduce.map.output.compress.cpdec</name>
	<value>org.apache.hadoop.io.compress.Defai;tCpdec</value>
</property>

    6.高效电影TopN实现

    • 统计每个人评分最高的5条记录

      实现思路：
	1.map端输出key=MovieBean  value=NullWritable
	2.进行排序：uid相同，按照分数降序排序，按照uid的hashcode分区,这样相同uid被分到相同区内。
	3.归并排序

实现步骤：
	1.给MovieBean指定排序规则。
	2.重写hashPartition方法，按照uid进行分区。
	3.重写GroupPartition方法，按照key的uid进行分组。

    • 代码实现：

      • MoiveBean.java
      package com.xjk.high_topN;

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;

import org.apache.hadoop.io.WritableComparable;

/*
 * MovieBean 要做为map端key输出
 * 	1.序列化
 * 2.自定义排序：用户的uid相同按照分数降序排序
 * */
public class MovieBean implements WritableComparable<MovieBean> {
	private String movie;
	private double rate;
	private String timeStamp;
	private String uid;
	public String getMovie() {
		return movie;
	}
	public void setMovie(String movie) {
		this.movie = movie;
	}
	public double getRate() {
		return rate;
	}
	public void setRate(double rate) {
		this.rate = rate;
	}
	public String getTimeStamp() {
		return timeStamp;
	}
	public void setTimeStamp(String timeStamp) {
		this.timeStamp = timeStamp;
	}
	public String getUid() {
		return uid;
	}
	public void setUid(String uid) {
		this.uid = uid;
	}
	@Override
	public void readFields(DataInput in) throws IOException {
		this.movie = in.readUTF();
		this.rate = in.readDouble();
		this.timeStamp = in.readUTF();
		this.uid = in.readUTF();
		
	}
	@Override
	public void write(DataOutput out) throws IOException {
		out.writeUTF(movie);
		out.writeDouble(rate);
		out.writeUTF(timeStamp);
		out.writeUTF(uid);
	}
	// uid不同按照uid排序
	// 用户的uid相同按照分数降序排序
	@Override
	public int compareTo(MovieBean o) {
		return this.uid.compareTo(o.getUid()) == 0 ?
				Double.compare(o.getRate(), this.rate):this.uid.compareTo(o.getUid()) ;
	}
	@Override
	public String toString() {
		return "MovieBean [movie=" + movie + ", rate=" + rate + ", timeStamp=" + timeStamp + ", uid=" + uid + "]";
	}
}
      • MyPartitioner.java
      package com.xjk.high_topN;

import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.mapreduce.lib.partition.HashPartitioner;
// HashPartitioner为默认分区方式，继承HashPartitioner重写getPartition自定义分区
public class MyPartitioner extends HashPartitioner<MovieBean, NullWritable> {
	@Override
	public int getPartition(MovieBean key, NullWritable value, int numReduceTasks) {
		return (key.getUid().hashCode() & Integer.MAX_VALUE) % numReduceTasks;
	}
}
      • MyGroupingPartition.java
      package com.xjk.high_topN;

import org.apache.hadoop.io.WritableComparable;
import org.apache.hadoop.io.WritableComparator;

// 继承WritableComparator 重写compare方法 自定义分组
// 将相同uid分配到一个迭代器中。本质是比较uid
public class MyGroupingPartition extends WritableComparator {
	// 如果不写构造方法会调用父类空参构造方法。
	public MyGroupingPartition() {
		// 调用父类构造方法，用于实例Movie对象
		// 并且反射实例对象
		super(MovieBean.class, true);
	}
	
	@Override
	public int compare(WritableComparable a, WritableComparable b) {
		MovieBean m1 = (MovieBean) a;
		MovieBean m2 = (MovieBean) b;
		return m1.getUid().compareTo(m2.getUid());
	}
}
      • TopN.java
      package com.xjk.high_topN;

import java.io.IOException;
import com.google.gson.Gson;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
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 com.google.gson.Gson;

public class TopN {
	static class TopNMapper extends Mapper<LongWritable, Text, MovieBean, NullWritable>{
		Gson gs = new Gson();
		@Override
		protected void map(LongWritable key, Text value,
				Mapper<LongWritable, Text, MovieBean, NullWritable>.Context context)
				throws IOException, InterruptedException {
			try {
				String line = value.toString();
				MovieBean mb = gs.fromJson(line, MovieBean.class);
				// 取出自定分区，按照uid
				// 写出数据：
				context.write(mb, NullWritable.get());
			} catch (Exception e) {
				e.printStackTrace();
			}
		}
	}
	static class TopNReducer extends Reducer<MovieBean, NullWritable, MovieBean, NullWritable>{
		@Override
		protected void reduce(MovieBean key, Iterable<NullWritable> values,
				Reducer<MovieBean, NullWritable, MovieBean, NullWritable>.Context context)
				throws IOException, InterruptedException {
			int count = 0;
			for (NullWritable nullWritable : values) {// key是变化的
				count ++;
				context.write(key, nullWritable);
				if (count==5) {
					return ;
				}
			}
		}
	}
	public static void main(String[] args) throws Exception {
		Configuration conf = new Configuration();
		conf.set("hadoop.tmp.dir", "E:/hdfs_tmp_cache"); 
		Job job = Job.getInstance(conf);
		job.setMapperClass(TopNMapper.class);
		job.setReducerClass(TopNReducer.class);
		
		job.setMapOutputKeyClass(MovieBean.class);
		job.setMapOutputValueClass(NullWritable.class);
		
		job.setOutputKeyClass(MovieBean.class);
		job.setOutputValueClass(NullWritable.class);
		// 设置自定义分区
		job.setPartitionerClass(MyPartitioner.class);
		// 设置自定义的分组规则
		job.setGroupingComparatorClass(MyGroupingPartition.class);
		FileInputFormat.setInputPaths(job, new Path("D:\data\sourcedata\simple\input"));
		FileOutputFormat.setOutputPath(job, new Path("D:\data\sourcedata\simple\output"));
		
		boolean b = job.waitForCompletion(true);
		
		// 程序退出 0正常退出 ，非0异常退出
		System.exit(b?0:-1);
	}
}

    7.combiner组件

    • 继承Reducer进行局部聚合操作，减少在reduce的迭代次数。

      • 单词统计案例
      package combiner;

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

public class MyCombiner extends Reducer<Text, IntWritable, Text, IntWritable> {
	@Override
	protected void reduce(Text key, Iterable<IntWritable> iters,
			Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException {
		int count = 0;
		for (IntWritable intWritable : iters) {
			count ++;
		}
		context.write(key, new IntWritable(count));
	}
}
      • 在main方法中
      // 设置combiner局部聚合
job.setCombinerClass(MyCombiner.class);

    8.全局计数器

    • 比如我们在map端读取行数据进行json转换，有可能转换失败。我们可以用全局计数器

      import org.apache.hadoop.mapreduce.Counter;
...
Counter counter = null;
protected void map(...){
	context.getCounter("mycounter", "ERROR");
	try {
		...
	} catch (Exception e) {
		// 计数器 记录脏数据格式
        counter.increment(1);
	}
}
// 终端打印：
	mycounter 
		ERROR=5   //脏数据5个

    9.CombineTextInputFormat

    • 当你的小文件比较多时候后，可以设置小文件合并成逻辑切片的大小，合并文件大小以byte为单位

      1.设置小文件合并切片大小
conf,setLong("mapreduce.input.fileInputformat.split.minsize", 1024*2)   //设置2M
2.设置输入类
job.setInputFormatClass(CombineTextInputFormat.class)

    • 以统计单词为例

      // 在 main 中
import org.apache.hadoop.mapreduce.lib.input.CombineTextInputFormat;

public class DriverClass {
	public static void main(String[] args) throws Exception {
	...
	// 设置map处理数据的最小大小， 当大小不够进行合并
	conf,setLong("mapreduce.input.fileInputformat.split.minsize", 1024*32)   // 此时设置32M，不是固定的。根据数据大小自行测试。
	...
	// 使用 CombineTextInputFormat重新任务划分
	job.setInputFormatClass(CombineTextInputFormatrmat.class)
    // 将任务提交，默认在本地运行true将job执行消息打印在控制台上。
    job.waitForCompletion(true);
	}
}
// 注意此时用上述方法在map端是无法获取文件名的。否则会报转换异常

    • hadoop管理命令和安全模式

      // 各个节点配置信息
[root@linux01 bin]# ./hdfs dfsadmin -report
// 安全模式（可以查数据，但无法写入）
[root@linux01 bin]# ./hdfs dfsadmin -safemode enter // 进入安全模式
[root@linux01 bin]# ./hdfs dfsadmin -safemode leave // 退出安全模式
  • 相关阅读:
    Linux cron
    web报表工具FineReport常用函数的用法总结（文本函数）
    web报表工具FineReport常用函数的用法总结（文本函数）
    oracle instr函数
    死锁的例子和 synchronized 嵌套使用
    死锁的例子和 synchronized 嵌套使用
    Perl 监控批量错误
    Linux以百万兆字节显示内存大小
    Linux以GB显示内存大小
    Linux以KB显示内存大小
  • 原文地址：https://www.cnblogs.com/xujunkai/p/14176280.html
Copyright © 2020-2023  润新知