hadoop —— MapReduce例子 （数据排序）

gznz12345

　　参考：http://eric-gcm.iteye.com/blog/1807468
　　file1.txt:



2
32
654
32
15
756
65223
　　file2.txt:



5956
22
650
92
　　file3.txt:



26
54
6
　　JAVA代码:





import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;
public class Sort {
// map将输入中的value化成IntWritable类型，作为输出的key
public static class Map extends
Mapper {
private static IntWritable data = new IntWritable();
// 实现map函数
public void map(Object key, Text value, Context context)
throws IOException, InterruptedException {
String line = value.toString();
data.set(Integer.parseInt(line));
context.write(data, new IntWritable(1));
}
}
// reduce将输入中的key复制到输出数据的key上，
// 然后根据输入的value-list中元素的个数决定key的输出次数
// 用全局linenum来代表key的位次
public static class Reduce extends
Reducer {
private static IntWritable linenum = new IntWritable(1);
// 实现reduce函数
public void reduce(IntWritable key, Iterable values,
Context context)
throws IOException, InterruptedException {
for (IntWritable val : values) {
context.write(linenum, key);
linenum = new IntWritable(linenum.get() + 1);
}
}
}
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
// 这句话很关键
conf.set("mapred.job.tracker", "172.16.11.74:9001");
String[] ioArgs = new String[] { "sort_in", "sort_out" };
String[] otherArgs = new GenericOptionsParser(conf, ioArgs)
.getRemainingArgs();
if (otherArgs.length != 2) {
System.err.println("Usage: Data Sort  ");
System.exit(2);
}
Job job = new Job(conf, "Data Sort");
job.setJarByClass(Sort.class);
// 设置Map和Reduce处理类
job.setMapperClass(Map.class);
job.setReducerClass(Reduce.class);
// 设置输出类型
job.setOutputKeyClass(IntWritable.class);
job.setOutputValueClass(IntWritable.class);
// 设置输入和输出目录
FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
Sort　　运行结果：



1       2
2       6
3       15
4       22
5       26
6       32
7       32
8       54
9       92
10      650
11      654
12      756
13      5956
14      65223
　　具体打包运行步骤：
　　参考上一篇博文：http://www.iyunv.com/-wangjiannan/p/3590324.html
　　知识点：
　　　　MapReduce的默认排序规则是按照key值进行排序的。
　　　　如果key为封装int的IntWritable类型，那么MapReduce按照数字大小对key排序，
　　　　如果key为封装为String的Text类型，那么MapReduce按照字典顺序对字符串排序。
　　代码理解：
　　    map阶段：
　　　　　　1.   String line = value.toString();   
　　　　　　　　实现的map方法中，针对文本的一行（line）处理，遍历每行的代码框架内部实现了
　　　　　　2.   context.write(data, new IntWritable(1));
　　          　　 每一行：key是data（强转成IntWritable类型的 line），value是IntWritable类型的 1
　　    　　  3.  所有行默认排序好了，而且是按递增顺序的
　　　　　　　　若有重复的行，那么data对应的value合并成一个集合{Values}（{IntWritable类型的 1+}）
　　    reduce阶段：
　　1.   reduce(IntWritable key, Iterable values, Context context)

　　           　　每一行：key是map阶段后的data，values是data对应的集合{Values}

　　　　　　2.   for (IntWritable val : values) { context.write(linenum, key); linenum = new IntWritable(linenum.get() + 1); }
　　　　　　　　这行代码的作用是输出： 行号   data
　　　　　　　　同时：行号递增，若有重复的行，则换行输出