MapReduce分布式编程框架

一、MapReduce分布式编程框架及yarn集群搭建

1.大数据解决的问题？
    海量数据的存储：hadoop->分布式文件系统HDFS
    海量数据的计算：hadoop->分布式计算框架MapReduce

2.什么是MapReduce?
    分布式程序的编程框架，java-->ssh ssm，目的：简化开发！
    是基于hadoop的数据分析应用的核心框架。
    mapreduce的功能：将用户编写的业务逻辑代码和自带默认组件整合成一个完整的
    分布式运算程序，并发的运行在hadoop集群上。

3.MapReduce的优缺点
    优点：
    （1）易于编程
    （2）良好的拓展性
    （3）高容错性
    （4）适合处理PB级别以上的离线处理

    缺点：
    （1）不擅长做实时计算
    （2）不擅长做流式计算（mr的数据源是静态的）
    （3）不支持DAG（有向图）计算（spark）

4.自动化调度平台yarn(MapReduce程序的运行平台)
    MapReduce程序应该在多台机器上运行启动，而且要先执行maptask，等待每个maptask都处理完成后
    还要启动很多个reducetask，这个过程要用户手动调用任务不太现实，
    需要一个自动化的任务调度平台-->hadoop当中2.x中提供了一个分布式调度平台-YARN

5.搭建yarn集群
    （1）修改配置文件 yarn-site.xml
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>hd09-1</value>
    </property>

    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>

    （2）然后复制到每台机器  $PWD 当前目录
    scp yarn-site.xml root@hd09-2:$PWD
    scp yarn-site.xml root@hd09-3:$PWD

    （3）修改slaves文件

    然后在hd09-1上，修改hadoop的slaves文件，列入要启动nodemanager的机器
    然后将hd09-1到所有机器的免密登陆配置好

    （4）脚本启动yarn集群：
    启动：
    start-yarn.sh
    停止：
    stop-yarn.sh

    （5）访问web端口
    启动完成后，可以在windows上用浏览器访问resourcemanager的web端口：
    http://hd09-1:8088

二、WordCount代码实现

1.Mapper类

package com.css.wc;

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.Mapper;

/**
 * 思路？
 * wordcount单词计数
 * <单词,1>
 *
 * 数据传输
 *
 * KEYIN:数据的起始偏移量0~10 11~20 21~30
 * VALUEIN:数据
 *
 * KEYOUT:mapper输出到reduce阶段k的类型
 * VALUEOUT:mapper输出到reduce阶段v的类型
 * <China,1><Beijing,1><love,1>
 */
public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable>{
    // key 起始偏移量 value 数据 context 上下文
    @Override
    protected void map(LongWritable key, Text value, Context context)
            throws IOException, InterruptedException {
        // 1.读取数据
        String line = value.toString();
        // 2.切割 China love
        String[] words = line.split(" ");
        // 3.循环的写到下一个阶段<China,1><love,1>
        for (String w : words) {
            context.write(new Text(w), new IntWritable(1));
        }
    }
}

2.Reducer类

package com.css.wc;

import java.io.IOException;

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

/**
 * 汇总<China,2> <Beijing,2> <love,2>
 */
public class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable>{

    @Override
    protected void reduce(Text key, Iterable<IntWritable> values,
            Context context) throws IOException, InterruptedException {
        // 1.统计单词出现的次数
        int sum = 0;
        // 2.累加求和
        for (IntWritable count : values) {
            // 拿到值累加
            sum += count.get();
        }
        // 3.结果输出
        context.write(key, new IntWritable(sum));
    }
}

3.Driver类

package com.css.wc;

import java.io.IOException;

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;

/**
 * 驱动类
 */
public class WordCountDriver {
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        // 1.获取job信息
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);
        // 2.获取jar包
        job.setJarByClass(WordCountDriver.class);
        // 3.获取自定义的mapper与reducer类
        job.setMapperClass(WordCountMapper.class);
        job.setReducerClass(WordCountReducer.class);
        // 4.设置map输出的数据类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);
        // 5.设置reduce输出的数据类型（最终的数据类型）
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        // 6.设置输入存在的路径与处理后的结果路径
        FileInputFormat.setInputPaths(job, new Path("c:/in1019"));
        FileOutputFormat.setOutputPath(job, new Path("c:/out1019"));
        // 7.提交任务
        boolean rs = job.waitForCompletion(true);
        System.out.println(rs ? 0 : 1);
    }
}

4.输入的文件words.txt

I love Beijing
I love China
Beijing is the capital of China

5.输出的文件part-r-00000

Beijing    2
China    2
I    2
capital    1
is    1
love    2
of    1
the    1