使用MRUnit对MapReduce进行单元测试

1. 为什么需要单元测试

　　一旦MapReduce项目提交到集群之后，若是出现问题是很难定位和修改的，只能通过打印日志的方式进行筛选。又如果数据和项目较大时，修改起来则更加麻烦。所以，在将MapReduce项目提交到集群上之前，我们需要先对其进行单元测试。

2. 使用什么框架进行单元测试

　　MRUnit是Cloudera公司专为Hadoop MapReduce写的单元测试框架，其API非常简洁实用。该框架对不同的测试对象使用不同的Driver，因此分为了：MapDriver、ReduceDriver和MapReduceDriver。

3. 测试过程

　　准备工作：将mrunit-hadoop.jar包导入Built Path。

　　项目目录如下：

　3.1 MapDriver测试

　　MapReduce的代码使用MapReduce项目之气温统计中的代码，但注意有一点变化如下。

　　测试函数代码如下：

package com.hadoop.test;

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;
import org.apache.hadoop.mrunit.mapreduce.MapDriver;
import org.junit.Before;
import org.junit.Test;

public class TemperarureMapperTest {

    private Mapper mapper;
    private MapDriver driver;

    @Before
    public void init() {   //初始化
        mapper = new Temperature.TemperatureMapper(); //通过Temperature下的Mapper方法对mapper进行初始化
        driver = new MapDriver(mapper);
    }

    @Test  //使用注解添加测试方法，获得入口函数
    public void test() throws IOException {
        String line = "2005 01 01 00    22    -6 10117   210    77     6     0     0";
        driver.withInput(new LongWritable(), new Text(line))
            .withOutput(new Text(""), new IntWritable()) //"03103"代表测试文件编号；22代表输入测试数据中第五位数，代表气温值
            .runTest();
    }
}

　　如上述代码所示，插入注解后即可获取到测试函数入口，右键 -> Run As -> JUnit Test运行可得到如下结果。

　3.2 ReduceDriver测试

　　测试函数代码如下：

package com.hadoop.test;

import java.io.IOException;
import java.util.List;
import java.util.ArrayList;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mrunit.mapreduce.ReduceDriver;
import org.junit.Before;
import org.junit.Test;

public class TeperatureReducerTest {

    private Reducer reducer;
    private ReduceDriver driver;

    @Before
    public void init() {
        reducer = new Temperature.TemperatureReducer(); //通过Temperature下的Reducer方法对Reducer进行初始化
        driver = new ReduceDriver(reducer);
    }

    @Test  //使用注解添加测试方法，获得入口函数
    public void test() throws IOException {

        //因为Reduce的输入几位Map的输出，所以需要先获取Map的输出
        String key = "";
        List values = new ArrayList();
        values.add(new IntWritable());
        values.add(new IntWritable());

        driver.withInput(new Text(key), values)
              .withOutput(new Text(key), new IntWritable()) //输出平均气温(22+10)/2
              .runTest();
    }

}

　　测试结果如下：

　3.3 MapReduceDriver测试

　　测试函数代码如下：

package com.hadoop.test;

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;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mrunit.mapreduce.MapReduceDriver;
import org.junit.Before;
import org.junit.Test;

public class TemperatureMapReduceTest {

    private Mapper mapper;
    private Reducer reducer;
    private MapReduceDriver driver;

    @Before
    public void init() {
        mapper = new Temperature.TemperatureMapper();
        reducer = new Temperature.TemperatureReducer();
        driver = new MapReduceDriver(mapper, reducer);
    }

    @Test  //使用注解添加测试方法，获得入口函数
    public void test() throws IOException {

        String line1 = "2005 01 01 00    22    -6 10117   210    77     6     0     0";
        String line2 = "2005 01 01 06     6   -17 10131   240    41     8    -1   999";

        driver.withInput(new LongWritable(), new Text(line1))
              .withInput(new LongWritable(), new Text(line2))
              .withOutput(new Text(""), new IntWritable())
              .runTest();
    }
}

　　测试结果如下：

　　根据以上结果可以看出，测试结果和预期结果是一致的，也就是说我们的代码是完全正确的，并且可以放心的放到集群上运行。

以上就是博主为大家介绍的这一板块的主要内容，这都是博主自己的学习过程，希望能给大家带来一定的指导作用，有用的还望大家点个支持，如果对你没用也望包涵，有错误烦请指出。如有期待可关注博主以第一时间获取更新哦，谢谢！

版权声明：本文为博主原创文章，未经博主允许不得转载。