程序员的自我修养
Home » Apache Hadoop, Java语言 » MapReduce库类

MapReduce库类

0条评论1,459次浏览

FieldSelection

FieldSelection包含FieldSelectionMapper、FieldSelectionReducer和FieldSelectionHelper,根据字面意思就可以了解其作用:用于选择field。直接上示例:

测试数据

代码示例

其中第三行用于选择输出的field。冒号之前的为key的field,之后为value的field。"0,3:1,2,4-"的意思为:选择第1、4列为key,选择第2、3、5及其以后的列为value。此外还可以使用类似“4-7”这样的方式来选择一个范围。为了直观的区分key和value,第五行将key和value的分隔符设置为“|”。

代码中没有使用reduce,先来看map的输出。

输出结果

如上所述,择第1、4列为key,选择第2、3、5及其以后的列为value。由于没有reduce,没有group阶段,所以没有排序。

现将以上代码中注视掉的部分放开,并注视掉15行,运行结果如下:

JobControl与ControlledJob

当任务过于复杂,需要多个MapReduce按照一定的顺序或流程来执行时,除了编写一个个MR任务并用shell脚本按顺序启动外,还可以用JobControl来控制。

旧版本API中还可以采用ChainMapper和ChainReducer来处理流程性的任务,但新版本API中据我所知1.0.4、1.2.1版本中都是没有实现的,在2.4.1版本中才可以发现新版本API的ChainMapper和ChainReducer(2.4.1之前哪个版本才出现没有考证)。

下面给出JobControl的简单使用示例:

Mapper

InverseMapper

InverseMapper,用于将Key和Value对换的Mapper。源码如下:

TokenCounterMapper

WordCount示例中Map的实现,利用StringTokenizer分割字符串,然后输出并计数为1。

MultithreadedMapper

当Map任务不是CPU密集型任务时,例如Map需要从数据库中读取数据,可以采用MultithreadedMapper来提高throughput。通过setNumberOfThreads(..)方法来设置线程数量,也可以通过设置参数mapred.map.multithreadedrunner.threads来达到同样的目的。

Reducer

Hadoop自带的Reducer主要有IntSumReducer和LongSumReducer,根据字面意思就可以了解到该reducer的作用就是简单的做sum操作。

Tool、ToolRunner和GenericOptionsParser

若运行job时看到以下信息,则代表该MapReduce任务没有按照官方推荐的方式来运行。

可以通过如下方式启动Job:

GenericOptionsParser为一个解析Hadoop命令选项的辅助类,通常不直接调用,而是通过代码15行的方式来隐式的使用。

参考资料

Hadoop权威指南

(转载本站文章请注明作者和出处 程序员的自我修养 – SelfUp.cn ,请勿用于任何商业用途)
标签:,
发表评论


profile
  • 文章总数:78篇
  • 评论总数:252条
  • 分类总数:31个
  • 标签总数:43个
  • 运行时间:946天

大家好,欢迎来到selfup.cn。

这不是一个只谈技术的博客,这里记录我成长的点点滴滴,coding、riding and everthing!

最新评论
  • pacificLee: :twisted:
  • 小码: 为什么没有后面的呢,只有前10个
  • Anonymous: :lol:
  • Anonymous: :razz: 楼主是属于会聊天的。 我想问,sqoop发了几个版本了,应该没这些问题了吧。
  • Anonymous: Config.kafkaConfig.kafkaGroupI d 这个是指自己配置的group id 还是从 import org.apache.kafka.common.config .Config 这个类...
  • Anonymous: ZkUtils.getPartitionsForTopics (zkClient, Config.kafkaConfig.topic) 那个方法是在 spark-streaming_2.10 中 kafka...
  • Anonymous: ZkUtils.getPartitionsForTopics (zkClient, Config.kafkaConfig.topic) 你确定 kafka 里面有这个类 ? 个人在kafka 最新 稳定版...
  • Anonymous: :roll:
  • Anonymous: 很不错,试问有java版的吗?
  • Anonymous: 赞
  • Anonymous: 哈哈 看楼主的吐槽乐死了 where子句是可以写的 同样找不到资料 一点点试出来的 select id from xxxx where ${CONDITIONS} and 1=1 and 2=2 limit 4
  • EVIL: 我在运行完C4.5的代码后,显示 defined object DecisionTreeTest 是什么意思?这是有错误吗?运行结果在哪里看?
  • sf: 楼主的问题,我都遇到。。。没办法项目已经定型了,最后都硬着头 皮一个一个的改了源码
  • zz: 我去,楼主你真及时,我们今天上了新的HTTP2 push之后也发现速度曲线很奇怪,开始有200k/min,跟 另一台老的推送协议速度差不多,但是过了一会,立马降到只有几k /min,百思不得其解,我们还用了一个海外代理,在...
  • qi365: :mad: 很可恶,百度助纣为虐~
  • qi365: :? :shock: haha~ very good~
  • 张是大: 《深入浅出Spark机器学习实战(用户行为分析)》 课程网盘下载:http://pan.baidu.com/s/ 1mixvUli 密码:1pfn
  • Anonymous: :???:
  • Anonymous: 我用着sqoop感觉还可以,select 几十个字段也没事,估计是版本低。。
  • Anonymous: :grin: