新增的Java MapReduce API

http://book.51cto.com/art/201106/269647.htm

Hadoop的版本0.20.0包含有一个新的 Java MapReduce API，有时也称为"上下文对象"(context object)，旨在使API在今后更容易扩展。新的API 在类型上不兼容先前的API，所以，需要重写以前的应用程序才能使新的API发挥作用。

新增的API 和旧的API 之间，有下面几个明显的区别。

新的API 倾向于使用虚类，而不是接口，因为这更容易扩展。例如，可以无需修改类的实现而在虚类中添加一个方法(即用默认的实现)。在新的API 中， mapper 和reducer现在都是虚类。

新的API 放在org.apache.hadoop.mapreduce 包(和子包)中。之前版本的API 依旧放在org.apache.hadoop.mapred中。

新的API充分使用上下文对象，使用户代码能与MapReduce系统通信。例如，MapContext 基本具备了JobConf、OutputCollector和Reporter的功能。

新的API 同时支持"推"(push)和"拉"(pull)式的迭代。这两类API，均可以将键/值对记录推给mapper，但除此之外，新的API 也允许把记录从map()方法中拉出。对reducer来说是一样的。"拉"式处理数据的好处是可以实现数据的批量处理，而非逐条记录地处理。

新增的API实现了配置的统一。旧API 通过一个特殊的JobConf 对象配置作业，该对象是Hadoop配置对象的一个扩展 (用于配置守护进程，详情请参见第130页的"API配置"小节)。在新的API 中，我们丢弃这种区分，所有作业的配置均通过Configuration 来完成。

新API中作业控制由Job类实现，而非JobClient类，新API中删除了JobClient类。

输出文件的命名方式稍有不同。map的输出文件名为part-m-nnnnn，而reduce的输出为part-r-nnnnn(其中nnnnn表示分块序号，为整数，且从0开始算)。

例2-6 显示了使用新API 重写的MaxTemperature应用。不同之处已加粗显示。

 将旧API写的Mapper和Reducer类转换为新API时，记住将map()和reduce()的签名转换为新形式。如果只是将类的继承修改为对新的Mapper和Reducer类的继承，编译的时候也不会报错或显示警告信息，因为新的Mapper和Reducer类同样也提供了等价的map()和reduce()函数。但是，自己写的mapper或reducer代码是不会被调用的，这会导致难以诊断的错误。

例2-6. 用新上下文对象MapReduce API重写的MaxTemperature应用

1. public class NewMaxTemperature {
2. static class NewMaxTemperatureMapper
3. extends Mapper<LongWritable, Text, Text, IntWritable> {
4. private static final int MISSING = 9999;
5. public void map(LongWritable key, Text value,
   Context context
6. throws IOException, InterruptedException {
7. String line = value.toString();
8. String year = line.substring(15, 19);
9. int airTemperature;
10. if (line.charAt(87) == '+') { // parseInt
    doesn't like leading plus signs
11. airTemperature = Integer.parseInt(line.substring(88, 92));
12. } else {
13. airTemperature = Integer.parseInt(line.substring(87, 92));
14. }
15. String quality = line.substring(92, 93);
16. if (airTemperature != MISSING && quality.matches("[01459]")) {
17. context.write(new Text(year), new IntWritable(airTemperature));
18. }
19. }
20. }
21. static class NewMaxTemperatureReducer
22. extends Reducer<Text, IntWritable, Text, IntWritable> {
23. public void reduce(Text key, Iterable<IntWritable> values,
24. Context context)
25. throws IOException, InterruptedException {
26. int maxValue = Integer.MIN_VALUE;
27. for (IntWritable value : values) {
28. maxValue = Math.max(maxValue, value.get());
29. }
30. context.write(key, new IntWritable(maxValue));
31. }
32. }
33. public static void main(String[] args) throws Exception {
34. if (args.length != 2) {
35. System.err.println("Usage: NewMaxTemperature
    <input path> <output path>");
36. System.exit(-1);
37. }
38. Job job = new Job();
39. job.setJarByClass(NewMaxTemperature.class);
40. FileInputFormat.addInputPath(job, new Path(args[0]));
41. FileOutputFormat.setOutputPath(job, new Path(args[1]));
42. job.setMapperClass(NewMaxTemperatureMapper.class);
43. job.setReducerClass(NewMaxTemperatureReducer.class);
44. job.setOutputKeyClass(Text.class);
45. job.setOutputValueClass(IntWritable.class);
46. System.exit(job.waitForCompletion(true) ? 0 : 1);
47. }
48. }