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

MapReduce库类

0条评论3,173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:81篇
  • 评论总数:409条
  • 分类总数:32个
  • 标签总数:45个
  • 运行时间:1636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