電子發(fā)燒友App
Mapreduce概況
MapReduce是一種編程模型，用于大規(guī)模數(shù)據(jù)集（大于1TB）的并行運算。概念“Map（映射）”和“Reduce（歸約）”，是它們的主要思想，都是從函數(shù)式編程語言里借來的，還有從矢量編程語言里借來的特性。它極大地方便了編程人員在不會分布式并行編程的情況下，將自己的程序運行在分布式系統(tǒng)上。 當前的軟件實現(xiàn)是指定一個Map（映射）函數(shù)，用來把一組鍵值對映射成一組新的鍵值對，指定并發(fā)的Reduce（歸約）函數(shù)，用來保證所有映射的鍵值對中的每一個共享相同的鍵組。
1. MapReduce是一種分布式計算模型，是Google提出的，主要用于搜索領域，解決海量數(shù)據(jù)的計算問題。
2. MR有兩個階段組成：Map和Reduce，用戶只需實現(xiàn)map（）和reduce（）兩個函數(shù)，即可實現(xiàn)分布式計算。
MapReduce執(zhí)行流程
?
MapReduce原理
?
MapReduce的執(zhí)行步驟：
1、Map任務處理
1.1 讀取HDFS中的文件。每一行解析成一個《k，v》。每一個鍵值對調(diào)用一次map函數(shù)。 《0，hello you》 《10，hello me》
1.2 覆蓋map（），接收1.1產(chǎn)生的《k，v》，進行處理，轉換為新的《k，v》輸出。 《hello，1》 《you，1》 《hello，1》 《me，1》
1.3 對1.2輸出的《k，v》進行分區(qū)。默認分為一個區(qū)。詳見《Partitioner》
1.4 對不同分區(qū)中的數(shù)據(jù)進行排序（按照k）、分組。分組指的是相同key的value放到一個集合中?！∨判蚝螅骸秇ello，1》 《hello，1》 《me，1》 《you，1》 分組后：《hello，{1，1}》《me，{1}》《you，{1}》
1.5 （可選）對分組后的數(shù)據(jù)進行歸約。詳見《Combiner》
2、Reduce任務處理
2.1 多個map任務的輸出，按照不同的分區(qū)，通過網(wǎng)絡copy到不同的reduce節(jié)點上。（shuffle）詳見《shuffle過程分析》
2.2 對多個map的輸出進行合并、排序。覆蓋reduce函數(shù)，接收的是分組后的數(shù)據(jù)，實現(xiàn)自己的業(yè)務邏輯， 《hello，2》 《me，1》 《you，1》
處理后，產(chǎn)生新的《k，v》輸出。
2.3 對reduce輸出的《k，v》寫到HDFS中。
Java代碼實現(xiàn)
注：要導入org.apache.hadoop.fs.FileUtil.java。
1、先創(chuàng)建一個hello文件，上傳到HDFS中
Java代碼實現(xiàn)
注：要導入org.apache.hadoop.fs.FileUtil.java。
1、先創(chuàng)建一個hello文件，上傳到HDFS中
圖三
2、然后再編寫代碼，實現(xiàn)文件中的單詞個數(shù)統(tǒng)計（代碼中被注釋掉的代碼，是可以省略的，不省略也行）
1package mapreduce;
? ? ? ?
? ? ? ? 2
3 import java.net.URI;
4 import org.apache.hadoop.conf.Configuration;
5 import org.apache.hadoop.fs.FileSystem;
6 import org.apache.hadoop.fs.Path;
7 import org.apache.hadoop.io.LongWritable;
8 import org.apache.hadoop.io.Text;
9 import org.apache.hadoop.mapreduce.Job;
10 import org.apache.hadoop.mapreduce.Mapper;
11 import org.apache.hadoop.mapreduce.Reducer;
12 import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
13 import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
14 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
15 import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
16
17 public class WordCountApp {
18 static final String INPUT_PATH = “hdfs://chaoren:9000/hello”;
19 static final String OUT_PATH = “hdfs://chaoren:9000/out”;
20
21 public static void main（String［］ args） throws Exception {
22 Configuration conf = new Configuration（）;
23 FileSystem fileSystem = FileSystem.get（new URI（INPUT_PATH）， conf）;
24 Path outPath = new Path（OUT_PATH）;
25 if （fileSystem.exists（outPath）） {
26 fileSystem.delete（outPath， true）;
27 }
28
29 Job job = new Job（conf， WordCountApp.class.getSimpleName（））;
30
31 // 1.1指定讀取的文件位于哪里
32 FileInputFormat.setInputPaths（job， INPUT_PATH）;
33 // 指定如何對輸入的文件進行格式化，把輸入文件每一行解析成鍵值對
34 //job.setInputFormatClass（TextInputFormat.class）;
35
36 // 1.2指定自定義的map類
37 job.setMapperClass（MyMapper.class）;
38 // map輸出的《k，v》類型。如果《k3，v3》的類型與《k2，v2》類型一致，則可以省略
39 //job.setOutputKeyClass（Text.class）;
40 //job.setOutputValueClass（LongWritable.class）;
41
42 // 1.3分區(qū)
43 //job.setPartitionerClass（org.apache.hadoop.mapreduce.lib.partition.HashPartitioner.class）;
44 // 有一個reduce任務運行
45 //job.setNumReduceTasks（1）;
46
47 // 1.4排序、分組
48
49 // 1.5歸約
50
51 // 2.2指定自定義reduce類
52 job.setReducerClass（MyReducer.class）;
53 // 指定reduce的輸出類型
54 job.setOutputKeyClass（Text.class）;
55 job.setOutputValueClass（LongWritable.class）;
56
57 // 2.3指定寫出到哪里
58 FileOutputFormat.setOutputPath（job， outPath）;
59 // 指定輸出文件的格式化類
60 //job.setOutputFormatClass（TextOutputFormat.class）;
61
62 // 把job提交給jobtracker運行
63 job.waitForCompletion（true）;
64 }
65
66 /**
67 *
68 * KEYIN 即K1 表示行的偏移量
69 * VALUEIN 即V1 表示行文本內(nèi)容
70 * KEYOUT 即K2 表示行中出現(xiàn)的單詞
71 * VALUEOUT 即V2 表示行中出現(xiàn)的單詞的次數(shù)，固定值1
72 *
73 */
74 static class MyMapper extends
75 Mapper《LongWritable， Text， Text， LongWritable》 {
76 protected void map（LongWritable k1， Text v1， Context context）
77 throws java.io.IOException， InterruptedException {
78 String［］ splited = v1.toString（）.split（“\t”）;
79 for （String word ： splited） {
80 context.write（new Text（word）， new LongWritable（1））;
81 }
82 };
83 }
84
85 /**
86 * KEYIN 即K2 表示行中出現(xiàn)的單詞
87 * VALUEIN 即V2 表示出現(xiàn)的單詞的次數(shù)
88 * KEYOUT 即K3 表示行中出現(xiàn)的不同單詞
89 * VALUEOUT 即V3 表示行中出現(xiàn)的不同單詞的總次數(shù)
90 */
91 static class MyReducer extends
92 Reducer《Text， LongWritable， Text， LongWritable》 {
93 protected void reduce（Text k2， java.lang.Iterable《LongWritable》 v2s，
94 Context ctx） throws java.io.IOException，
95 InterruptedException {
96 long times = 0L;
97 for （LongWritable count ： v2s） {
98 times += count.get（）;
99 }
100 ctx.write（k2， new LongWritable（times））;
101 };
102 }
103 }
3、運行成功后，可以在Linux中查看操作的結果
圖四
MapReduce主要功能
1）數(shù)據(jù)劃分和計算任務調(diào)度：
系統(tǒng)自動將一個作業(yè)（Job）待處理的大數(shù)據(jù)劃分為很多個數(shù)據(jù)塊，每個數(shù)據(jù)塊對應于一個計算任務（Task），并自動 調(diào)度計算節(jié)點來處理相應的數(shù)據(jù)塊。作業(yè)和任務調(diào)度功能主要負責分配和調(diào)度計算節(jié)點（Map節(jié)點或Reduce節(jié)點），同時負責監(jiān)控這些節(jié)點的執(zhí)行狀態(tài)，并 負責Map節(jié)點執(zhí)行的同步控制。
2）數(shù)據(jù)/代碼互定位：
為了減少數(shù)據(jù)通信，一個基本原則是本地化數(shù)據(jù)處理，即一個計算節(jié)點盡可能處理其本地磁盤上所分布存儲的數(shù)據(jù)，這實現(xiàn)了代碼向 數(shù)據(jù)的遷移；當無法進行這種本地化數(shù)據(jù)處理時，再尋找其他可用節(jié)點并將數(shù)據(jù)從網(wǎng)絡上傳送給該節(jié)點（數(shù)據(jù)向代碼遷移），但將盡可能從數(shù)據(jù)所在的本地機架上尋 找可用節(jié)點以減少通信延遲。
3）系統(tǒng)優(yōu)化：
為了減少數(shù)據(jù)通信開銷，中間結果數(shù)據(jù)進入Reduce節(jié)點前會進行一定的合并處理；一個Reduce節(jié)點所處理的數(shù)據(jù)可能會來自多個 Map節(jié)點，為了避免Reduce計算階段發(fā)生數(shù)據(jù)相關性，Map節(jié)點輸出的中間結果需使用一定的策略進行適當?shù)膭澐痔幚恚ＷC相關性數(shù)據(jù)發(fā)送到同一個 Reduce節(jié)點；此外，系統(tǒng)還進行一些計算性能優(yōu)化處理，如對最慢的計算任務采用多備份執(zhí)行、選最快完成者作為結果。
4）出錯檢測和恢復：
以低端商用服務器構成的大規(guī)模MapReduce計算集群中，節(jié)點硬件（主機、磁盤、內(nèi)存等）出錯和軟件出錯是常態(tài)，因此 MapReduce需要能檢測并隔離出錯節(jié)點，并調(diào)度分配新的節(jié)點接管出錯節(jié)點的計算任務。同時，系統(tǒng)還將維護數(shù)據(jù)存儲的可靠性，用多備份冗余存儲機制提 高數(shù)據(jù)存儲的可靠性，并能及時檢測和恢復出錯的數(shù)據(jù)。
工商網(wǎng)監(jiān)
評論