设为首页 收藏本站
查看: 642|回复: 0

[经验分享] 转:HADOOP中WORDCOUNT源码分析

[复制链接]

尚未签到

发表于 2016-12-8 09:41:50 | 显示全部楼层 |阅读模式
原文:http://www.cnblogs.com/wly603/archive/2012/04/29/2476178.html


前言
      本文是学习hadoop后的笔记总结,由于对hadoop了解不深,正处于摸索阶段,所以分析不够透测。本文是记录我的学习过程和学习总结。
环境:ubuntu 8.04.4   hadoop1.0.2(hadoop的版本不同,API略有变化)
参考书籍:
         《 Hadoop权威指南(中文版)》      清华出版社
          《实战Hadoop--开启通向运计算的捷径》      刘鹏主编
1、Hadoop版的helloworld源码(即wordcount)
      源码来自于  /usr/local/hadoop-1.0.2/src/examples/org/apache/hadoop/examples/WordCount.java   
WordCount

2、分析
    从以下几个方面进行分析:数据类型,执行过程(map,reduce),主函数(作业的配置方法)
  (1)常见数据类型
       整型:IntWritable, 这是Hadoop对int的封装
       字符串型:Text,这是Hadoop对String的封装
      上下文对象:Context,它用来与MapReduce系统进行通信,如把map的结果传给reduce处理
                由于map、reduce的输入输出key/value组成的键值对,所以用context.write(key,value)来传递数据
   (2)执行过程
          分为两个阶段:map和reduce, 以key/value为输入输出,其中key、value的类型可以由程序员自定义

        2.1 map阶段         
            自定义一个类,继承于基类Mapper,该基类是一个泛型,有4个形参类型:用来指定map函数的输入键、输入值,输出键、输 出值,如下   public class Mapper<KEYIN, VALUEIN, KEYOUT, VALUEOUT>,源码位于/usr/local/hadoop-1.0.2/src/mapred/org/apache/hadoop/mapreduce/Mapper.java,但老版本的Mapper是一个接口public interface Mapper<K1, V1, K2, V2> extends JobConfigurable, Closeable ,老版本源码位于/usr/local/hadoop-1.0.2/src/mapred/org/apache/hadoop/mapred/Mapper.java。
           根据实际需要,重写map函数,函数类型由Mapper指定。Called once for each key/value pair in the input split. Most applications should override map().每一对<key,value>调用一次map函数。
          wordcount程序中,map方法中的value值存储的是文本文件中的一行,key值为该行的首字符相对于文本文件首字符的偏移量,在本程序中,key值未使用。StringTokenizer类是将每一行拆分为一个个的单词。

    2.2  reduce阶段
         自定义一个类,继承于基类Reducer,该基类是一个泛型,有4个形参类型:用来指定reduce函数的输入键、输入值,输出键、输出值public class Reducer<KEYIN,VALUEIN,KEYOUT,VALUEOUT>,其中reduce的输入类型必须与map的输出类型一致。
         根据实际需要,重写reduce方法,方法的类型由Reducer指定,called once for each key. Most applications will define their reduce class by overriding this method。每一个key调用一次reduce方法。

   2.3 主函数(作业的配置方法)
           注意:新版本中使用/usr/local/hadoop-1.0.2/src/mapred/org/apache/hadoop/mapreduce 中的Job类来进行作业的配置
        Job类主要的方法:
             setJarByClass(Class<?> cls),作用:Set the Jar by finding where a given class came from.
             setOutputKeyClass(Class<?> theClass),作用:Set the key class for the job output data.
            setOutputValueClass(Class<?> theClass) ,作用:Set the value class for job outputs.
            setJobName(String name)
           setMapperClass(Class<? extends Mapper> cls),作用:Set the{@link Mapper} for the job
          setReducerClass(Class<? extends Reducer> cls) ,作用: Set the {@link Reducer} for the job
           waitForCompletion(boolean verbose ) ,作用:Submit the job to the cluster and wait for it to finish.

3、Hadoop程序处理流程
     (1)将文件拆分为splits,并由MapReduce框架自动完成分割,将每一个split分割为<key,value>对
     (2)每一对<key,value>调用一次map函数,处理后生产新的<key,value>对,由Context传递给reduce处理
     (3)Mapper对<key,value>对进行按key值进行排序,并执行Combine过程,将key值相同的value进行合并。最后得到Mapper的最终输出结果
     (4)reduce处理,处理后将新的<key,value>对输出。

运维网声明 1、欢迎大家加入本站运维交流群:群②:261659950 群⑤:202807635 群⑦870801961 群⑧679858003
2、本站所有主题由该帖子作者发表,该帖子作者与运维网享有帖子相关版权
3、所有作品的著作权均归原作者享有,请您和我们一样尊重他人的著作权等合法权益。如果您对作品感到满意,请购买正版
4、禁止制作、复制、发布和传播具有反动、淫秽、色情、暴力、凶杀等内容的信息,一经发现立即删除。若您因此触犯法律,一切后果自负,我们对此不承担任何责任
5、所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其内容的准确性、可靠性、正当性、安全性、合法性等负责,亦不承担任何法律责任
6、所有作品仅供您个人学习、研究或欣赏,不得用于商业或者其他用途,否则,一切后果均由您自己承担,我们对此不承担任何法律责任
7、如涉及侵犯版权等问题,请您及时通知我们,我们将立即采取措施予以解决
8、联系人Email:admin@iyunv.com 网址:www.yunweiku.com

所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其承担任何法律责任,如涉及侵犯版权等问题,请您及时通知我们,我们将立即处理,联系人Email:kefu@iyunv.com,QQ:1061981298 本贴地址:https://www.iyunv.com/thread-311322-1-1.html 上篇帖子: 关于 hadoop slot的一篇转载 下篇帖子: hadoop 二次排序 插入数据库
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

扫码加入运维网微信交流群X

扫码加入运维网微信交流群

扫描二维码加入运维网微信交流群,最新一手资源尽在官方微信交流群!快快加入我们吧...

扫描微信二维码查看详情

客服E-mail:kefu@iyunv.com 客服QQ:1061981298


QQ群⑦:运维网交流群⑦ QQ群⑧:运维网交流群⑧ k8s群:运维网kubernetes交流群


提醒:禁止发布任何违反国家法律、法规的言论与图片等内容;本站内容均来自个人观点与网络等信息,非本站认同之观点.


本站大部分资源是网友从网上搜集分享而来,其版权均归原作者及其网站所有,我们尊重他人的合法权益,如有内容侵犯您的合法权益,请及时与我们联系进行核实删除!



合作伙伴: 青云cloud

快速回复 返回顶部 返回列表