MapReduce WordCount Combiner程序

MapReduce WordCount Combiner程序

注意使用Combiner之后的累加情况是不同的；

pom.xml

<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>4.0.0</modelVersion>

    <groupId>com.stono</groupId>
    <artifactId>mr01</artifactId>
    <version>1.0-SNAPSHOT</version>
    <packaging>jar</packaging>

    <name>mr01</name>
    <url>http://maven.apache.org</url>

    <properties>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
        <java.version>1.7</java.version>
        <project.reporting.outputEncoding>UTF-8</project.reporting.outputEncoding>
        <maven.build.timestamp.format>yyyy-MM-dd HH:mm:ss</maven.build.timestamp.format>

        <hadoop-mapreduce-client.version>2.7.2</hadoop-mapreduce-client.version>
        <hbase-client.version>1.1.2</hbase-client.version>
        <slf4j.version>1.7.25</slf4j.version>
        <kafka-client.version>0.10.2.1</kafka-client.version>
    </properties>

    <dependencies>
        <dependency>
            <groupId>jdk.tools</groupId>
            <artifactId>jdk.tools</artifactId>
            <version>1.8</version>
            <scope>system</scope>
            <systemPath>D:/Java/jdk1.8.0_161/lib/tools.jar</systemPath>
        </dependency>
        <!-- 日志记录 Slf4j -->
        <dependency>
            <groupId>org.slf4j</groupId>
            <artifactId>slf4j-api</artifactId>
            <version>${slf4j.version}</version>
        </dependency>
        <!-- mapreduce -->
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>${hadoop-mapreduce-client.version}</version>
        </dependency>

        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-mapreduce-client-core</artifactId>
            <version>${hadoop-mapreduce-client.version}</version>
        </dependency>

        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>3.8.1</version>
            <scope>test</scope>
        </dependency>
    </dependencies>

    <build>
        <plugins>
            <plugin>
                <artifactId>maven-compiler-plugin</artifactId>
                <version>2.3.2</version>
                <configuration>
                    <source>1.7</source>
                    <target>1.7</target>
                </configuration>
            </plugin>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-jar-plugin</artifactId>
                <configuration>
                    <archive>
                        <manifest>
                            <addClasspath>false</addClasspath>
                            <mainClass>com.bsr.combiner.JobRunner</mainClass> <!-- 你的主类名 -->
                        </manifest>
                    </archive>
                </configuration>
            </plugin>
            <!--<plugin>-->
            <!--<artifactId> maven-assembly-plugin </artifactId>-->
            <!--<configuration>-->
            <!--<descriptorRefs>-->
            <!--<descriptorRef>jar-with-dependencies</descriptorRef>-->
            <!--</descriptorRefs>-->
            <!--<archive>-->
            <!--<manifest>-->
            <!--<mainClass>com.bsr.basis.JobRunner</mainClass>-->
            <!--</manifest>-->
            <!--</archive>-->
            <!--</configuration>-->
            <!--<executions>-->
            <!--<execution>-->
            <!--<id>make-assembly</id>-->
            <!--<phase>package</phase>-->
            <!--<goals>-->
            <!--<goal>single</goal>-->
            <!--</goals>-->
            <!--</execution>-->
            <!--</executions>-->
            <!--</plugin>-->
        </plugins>
    </build>

</project>

Mapper:

package com.bsr.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.Mapper;
/*
四个参数的含义
第一个参数：map中key-value的key的类型,默认值是输入行的偏移量
第二个参数：map中key-value的value的类型 在此需求中是某一行的内容（数据）
第三个参数：reduce中key-value中的key类型
第四个参数：redece的输出参数int
但是在mapreduce中涉及到了网络间的传输，所以需要序列化，而hadoop提供了相关的序列化类型
long-LongWritable
String-Text
int-IntWritable
 */

public class MapperWordCount extends Mapper<LongWritable, Text, Text, IntWritable>{

    /*重写mapper的map方法 编写自己的逻辑
     * key是偏移量不用管
     * value是一行的内容 例：hello zhangsan you you
     * context是返回结果
     */
    @Override
    protected void map(LongWritable key, Text value,
            Context context)
            throws IOException, InterruptedException {

        String[] values=value.toString().split(" ");//对得到的一行数据进行切分 在此需求中是以空格进行切分

        for(String word:values){

            context.write(new Text(word), new IntWritable(1));//遍历数组 输出map的返回值 即<hello,1><zhangsan,1><you,1><you,1>

        }

    }

}

Combiner：

package com.bsr.combiner;

import java.io.IOException;

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

public class Combiner extends Reducer<Text, IntWritable,Text, IntWritable>{
            @Override
            protected void reduce(Text key, Iterable<IntWritable> values,
                    Context context)
                    throws IOException, InterruptedException {
                int count=0;//初始一个计数器

                for(IntWritable value:values){
                    count ++;//对values进行遍历 每次加1
                }
                context.write(key,new IntWritable(count));//最后写返回值<hello,5>
            }
}

reduce：

package com.bsr.combiner;

import java.io.IOException;

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

/*
 * 此方法是WordCount的reduce
 * 参数：1.map阶段返回的key类型String-Text
 *         2.map阶段返回值中value的类型Int-IntWritable
 *         3.reduce阶段返回值中key的类型String-Text
 *         4.reduce阶段返回值中value的类型Int-IntWritable
 */

public class ReducerWordCount extends Reducer<Text, IntWritable,Text, IntWritable>{

    /*
     * 实现父类的reduce方法
     *key是一组key-value的相同的哪个key
     *values是一组key-value的所有value
     *key value 的情况，比如<hello,{1,1,1,1,1}>
     *
     * context 返回值,<hello,5>
     */
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values,
            Context context)throws IOException, InterruptedException {

            int count=0;//初始一个计数器

            for(IntWritable value:values){
                count = count + i.get();//对values进行遍历 需要累加
            }
            context.write(key,new IntWritable(count));//最后写返回值<hello,5>

    }

}

Job：

package com.bsr.combiner;

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

public class JobRunner {

    /*
     * 提交写好的mapreduce程序 当做一个Job进行提交
     *
     */

    public static void main(String[] args) throws Exception {
        //读取classpath下的所有xxx-site.xml配置文件，并进行解析
        Configuration conf=new Configuration();
        FileSystem fs = FileSystem.get(configuration);
        String s = "/wc/output2";
        Path path = new Path(s);
        fs.delete(path, true)

        Job wcjob=Job.getInstance(conf);//初始一个job

        //通过主类的类加载器机制获取到本job的所有代码所在的jar包
        wcjob.setJarByClass(JobRunner.class);

        //指定本job使用的mapper类
        wcjob.setMapperClass(MapperWordCount.class);

        //指定本job使用的reducer类
        wcjob.setReducerClass(ReducerWordCount.class);

        //设置本job使用的从combiner类
        wcjob.setCombinerClass(Combiner.class);

        //指定mapper输出的kv的数据类型
        wcjob.setMapOutputKeyClass(Text.class);
        wcjob.setMapOutputValueClass(IntWritable.class);

        //指定reducer输出的kv数据类型
        wcjob.setOutputKeyClass(Text.class);
        wcjob.setOutputValueClass(IntWritable.class);

        //指定本job要处理的文件所在的路径
        FileInputFormat.setInputPaths(wcjob, new Path("/wc/data/"));

        //指定本job输出的结果文件放在哪个路径
        FileOutputFormat.setOutputPath(wcjob, new Path("/wc/output2/"));

        //将本job向hadoop集群提交执行
        boolean res=wcjob.waitForCompletion(true);

        System.exit(res?0:1);//执行成功的话正常退出系统执行有误则终止执行
    }

}

注意：https://www.cnblogs.com/esingchan/p/3917094.html 的讲解