Hadoop日记Day15---MapReduce新旧api的比较

　　我使用hadoop的是hadoop1.1.2，而很多公司也在使用hadoop0.2x版本，因此市面上的hadoop资料版本不一，为了扩充自己的知识面，MapReduce的新旧api进行了比较研究。

　　hadoop版本1.x的包一般是mapreduce
　　hadoop版本0.x的包一般是mapred

我们还是以单词统计为例进行研究，代码如下，如代码1.1所示：

package old;

import java.io.IOException;
import java.net.URI;
import java.util.Iterator;

import mapreduce.WordCountApp;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapred.FileInputFormat;
import org.apache.hadoop.mapred.FileOutputFormat;
import org.apache.hadoop.mapred.JobClient;
import org.apache.hadoop.mapred.JobConf;
import org.apache.hadoop.mapred.MapReduceBase;
import org.apache.hadoop.mapred.Mapper;
import org.apache.hadoop.mapred.OutputCollector;
import org.apache.hadoop.mapred.Reducer;
import org.apache.hadoop.mapred.Reporter;
/**
 * hadoop版本1.x的包一般是mapreduce
 * hadoop版本0.x的包一般是mapred
 *
 */
public class OldAPP {
    static final String INPUT_PATH = "hdfs://hadoop:9000/hello";
    static final String OUT_PATH = "hdfs://hadoop:9000/out";
    /**
     * 改动：
     * 1.不再使用Job，而是使用JobConf
     * 2.类的包名不再使用mapreduce，而是使用mapred
     * 3.不再使用job.waitForCompletion(true)提交作业，而是使用JobClient.runJob(job);
     *
     */
    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();
        final FileSystem fileSystem = FileSystem.get(new URI(INPUT_PATH), conf);
        final Path outPath = new Path(OUT_PATH);
        if(fileSystem.exists(outPath)){
            fileSystem.delete(outPath, true);
        }

        final JobConf job = new JobConf(conf , WordCountApp.class);
        //1.1指定读取的文件位于哪里
        FileInputFormat.setInputPaths(job, INPUT_PATH);
        //指定如何对输入文件进行格式化，把输入文件每一行解析成键值对
        //job.setInputFormatClass(TextInputFormat.class);

        //1.2 指定自定义的map类
        job.setMapperClass(MyMapper.class);
        //map输出的<k,v>类型。如果<k3,v3>的类型与<k2,v2>类型一致，则可以省略
        //job.setMapOutputKeyClass(Text.class);
        //job.setMapOutputValueClass(LongWritable.class);

        //1.3 分区
        //job.setPartitionerClass(HashPartitioner.class);
        //有一个reduce任务运行
        //job.setNumReduceTasks(1);

        //1.4 TODO 排序、分组

        //1.5 TODO 规约

        //2.2 指定自定义reduce类
        job.setReducerClass(MyReducer.class);
        //指定reduce的输出类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(LongWritable.class);

        //2.3 指定写出到哪里
        FileOutputFormat.setOutputPath(job, outPath);
        //指定输出文件的格式化类
        //job.setOutputFormatClass(TextOutputFormat.class);

        //把job提交给JobTracker运行
        JobClient.runJob(job);
    }

    /**
     * 新api:extends Mapper
     * 老api:extends MapRedcueBase implements Mapper
     */
    static class MyMapper extends MapReduceBase implements Mapper<LongWritable, Text, Text, LongWritable>{
        @Override
        public void map(LongWritable k1, Text v1,
                OutputCollector<Text, LongWritable> collector, Reporter reporter)
                throws IOException {
            final String[] splited = v1.toString().split("\t");
            for (String word : splited) {
                collector.collect(new Text(word), new LongWritable(1));
            }
        }
    }

    static class MyReducer extends MapReduceBase implements Reducer<Text, LongWritable, Text, LongWritable>{
        @Override
        public void reduce(Text k2, Iterator<LongWritable> v2s,
                OutputCollector<Text, LongWritable> collector, Reporter reporter)
                throws IOException {
            long times = 0L;
            while (v2s.hasNext()) {
                final long temp = v2s.next().get();
                times += temp;
            }
            collector.collect(k2, new LongWritable(times));
        }
    }
}

代码 1.1

一、自定义Mapper类的不同

　　在新api中，是继承类org.apache.hadoop.mapreduce.Mapper<KEYIN, VALUEIN, KEYOUT, VALUEOUT>。在旧api中，是继承类org.apache.hadoop.mapred.MapReduceBase，然后实现接口 org.apache.hadoop.mapred.Mapper<K1, V1, K2, V2>。在新api中，覆盖的map方法的第三个参数是Context类；在旧api中，覆盖的map方法的第三、四个形参分别是OutputCollector和Reporter类。在新api的Context中已经把两个类的功能合并到一起了，用户操作更简单。使用旧api的自定义Mapper类，如代码1.2所示所示。key、value对。每一个键值对调用一次map函数。

 /**
      * 新api:extends Mapper
      * 老api:extends MapRedcueBase implements Mapper
      */
     static class MyMapper extends MapReduceBase implements Mapper<LongWritable, Text, Text, LongWritable>{
         @Override
         public void map(LongWritable k1, Text v1,
                 OutputCollector<Text, LongWritable> collector, Reporter reporter)
                 throws IOException {
             final String[] splited = v1.toString().split("\t");
             for (String word : splited) {
                 collector.collect(new Text(word), new LongWritable(1));
             }
         }
     }

代码 1.2

二、自定义Reducer类的不同

　　在新api中，是继承类org.apache.hadoop.mapreduce.Reducer<KEYIN, VALUEIN, KEYOUT, VALUEOUT>。在旧api中，是继承类org.apache.hadoop.mapred.MapReduceBase，然后实现接口 org.apache.hadoop.mapred. Reducer<K1, V1, K2, V2>。在新api中覆盖的reduce方法的第二个参数是java.lang.Iterable<VALUEIN>。在旧api中,覆盖的 reduce方法的第二个参数是java.util.Iterator<V 2>。前者可以使用增强for循环进行处理，后者只能使用 while循环处理了。在新api中，覆盖的reduce方法的第三个参数是Context类；在旧api中，覆盖的reduce方法的第三、四个形参分别是OutputCollector和Reporter类。在新api的Context中已经把两个类的功能合并到一起了，用户操作更简单。使用旧api的自定义Reducer类，代码如2.1所示。

 static class MyReducer extends MapReduceBase implements Reducer<Text, LongWritable, Text, LongWritable>{
         @Override
         public void reduce(Text k2, Iterator<LongWritable> v2s,
                 OutputCollector<Text, LongWritable> collector, Reporter reporter)
                 throws IOException {
             long times = 0L;
             while (v2s.hasNext()) {
                 final long temp = v2s.next().get();
                 times += temp;
             }
             collector.collect(k2, new LongWritable(times));
         }
     }

代码 2.1

三、 驱动代码main方法的不同

　　在新api中，驱动代码主要是通过org.apache.hadoop.mapreduce.Job类实现的，通过该类管理各种配置，然后调用waitForCompleti on(boolean)方法把代码提交给JobTracker执行。在旧api中，驱动代码主要是通过 org.apache.hadoop.mapred.JobConf.JobConf(Con figuration, Class)类实现的，通过该类管理各种配置。对于job的提交，是通过org.apache.hadoop.mapred.JobClient类的 runJob(JobC onf)方法实现的。可见，新api中把JobConf和JobClient的功能进行了合并，用户调用更方便。

　　其中，JobConf类与Job类的方法名称几乎一致，只是传递的形参类型大不相同了。在新api中的Job类，要求setXXX(…)的形参必须是org .apache.hadoop.mapreduce及其子包下面的类；而旧api中的JobConf类，要求setXXX(…)的形参必须是 org.apache.hadoop.mapred及其子包下面的类。使用旧api的驱动代码main方法，如代码3.1所示。

 package old;

 import java.io.IOException;
 import java.net.URI;
 import java.util.Iterator;

 import mapreduce.WordCountApp;

 import org.apache.hadoop.conf.Configuration;
 import org.apache.hadoop.fs.FileSystem;
 import org.apache.hadoop.fs.Path;
 import org.apache.hadoop.io.LongWritable;
 import org.apache.hadoop.io.Text;
 import org.apache.hadoop.mapred.FileInputFormat;
 import org.apache.hadoop.mapred.FileOutputFormat;
 import org.apache.hadoop.mapred.JobClient;
 import org.apache.hadoop.mapred.JobConf;
 import org.apache.hadoop.mapred.MapReduceBase;
 import org.apache.hadoop.mapred.Mapper;
 import org.apache.hadoop.mapred.OutputCollector;
 import org.apache.hadoop.mapred.Reducer;
 import org.apache.hadoop.mapred.Reporter;
 import org.apache.hadoop.mapred.TextInputFormat;
 import org.apache.hadoop.mapred.TextOutputFormat;
 import org.apache.hadoop.mapred.lib.HashPartitioner;
 /**
  * hadoop版本1.x的包一般是mapreduce
  * hadoop版本0.x的包一般是mapred
  *
  */
 public class OldAPP {
     static final String INPUT_PATH = "hdfs://hadoop:9000/hello";
     static final String OUT_PATH = "hdfs://hadoop:9000/out";
     /**
      * 改动：
      * 1.不再使用Job，而是使用JobConf
      * 2.类的包名不再使用mapreduce，而是使用mapred
      * 3.不再使用job.waitForCompletion(true)提交作业，而是使用JobClient.runJob(job);
      *
      */
     public static void main(String[] args) throws Exception {

         Configuration conf = new Configuration();
         final FileSystem fileSystem = FileSystem.get(new URI(INPUT_PATH), conf);
         final Path outPath = new Path(OUT_PATH);
         if(fileSystem.exists(outPath)){
             fileSystem.delete(outPath, true);
         }

         final JobConf job = new JobConf(conf , WordCountApp.class);

         FileInputFormat.setInputPaths(job, INPUT_PATH);//1.1指定读取的文件位于哪里
         job.setMapperClass(MyMapper.class);//1.2 指定自定义的map类
         job.setMapOutputKeyClass(Text.class);//map输出的<k,v>类型。如果<k3,v3>的类型与<k2,v2>类型一致，则可以省略
         job.setMapOutputValueClass(LongWritable.class);
         job.setPartitionerClass(HashPartitioner.class);//1.3 分区
         job.setNumReduceTasks(1);//有一个reduce任务运行
         job.setReducerClass(MyReducer.class);//2.2 指定自定义reduce类
         job.setOutputKeyClass(Text.class);//指定reduce的输出类型
         job.setOutputValueClass(LongWritable.class);
         FileOutputFormat.setOutputPath(job, outPath);//2.3 指定写出到哪里
         JobClient.runJob(job);//把job提交给JobTracker运行
     }

     /**
      * 新api:extends Mapper
      * 老api:extends MapRedcueBase implements Mapper
      */
     static class MyMapper extends MapReduceBase implements Mapper<LongWritable, Text, Text, LongWritable>{
         @Override
         public void map(LongWritable k1, Text v1,
                 OutputCollector<Text, LongWritable> collector, Reporter reporter)
                 throws IOException {
             final String[] splited = v1.toString().split("\t");
             for (String word : splited) {
                 collector.collect(new Text(word), new LongWritable(1));
             }
         }
     }

     static class MyReducer extends MapReduceBase implements Reducer<Text, LongWritable, Text, LongWritable>{
         @Override
         public void reduce(Text k2, Iterator<LongWritable> v2s,
                 OutputCollector<Text, LongWritable> collector, Reporter reporter)
                 throws IOException {
             long times = 0L;
             while (v2s.hasNext()) {
                 final long temp = v2s.next().get();
                 times += temp;
             }
             collector.collect(k2, new LongWritable(times));
         }
     }
 }

代码 3.1