mapreduce shortest way out
相关知识
最优路径算法是无向图中满足通路上所有顶点(除起点、终点外)各异,所有边也各异的通路。应用在公路运输中,可以提供起点和终点之间的最短路径,节省运输成本。可以大大提高交通运输效率。
本实验采用Dijkstra算法,迪杰斯特拉算法是由荷兰计算机科学家狄克斯特拉于1959 年提出的,因此又叫狄克斯特拉算法。是从一个顶点到其余各顶点的最短路径算法,解决的是有向图中最短路径问题。迪杰斯特拉算法主要特点是以起始点为中心向外层层扩展,直到扩展到终点为止。
算法伪代码如下:
Dijkstra(G,w, s)
d[s] ← 0
for all vertex v ∈ V do
d[v] ← ∞
Q ← {V }
while Q != ∅ do
u ←ExtractMin(Q)
for all vertex v ∈ u.AdjacencyList do
if d[v] > d[u] + w(u, v) then
d[v] ← d[u] + w(u, v)
Dijkstra算法关键的一点是优先队列Q,它保存了全局的从源点出发最近的结点。而map-reduce则无法做到这一点。
基于map-reduce的并行算法跟Dijkstra算法有点类似,它也基于Dijkstra的迭代思想,伪代码如下:
class Mapper
method Map(nid n, node N)
d ← N.Distance
Emit(nid n,N) //Pass along graph
structure [1]
for all nodeid m ∈ N.AdjacencyList do
Emit(nid m, d+w) //Emit distances to
reachable nodes [2]
class Reducer
method Reduce(nid m, [d1, d2, . . .])
dmin←∞
M ← ∅
for all d ∈ counts [d1, d2, . . .] do
if IsNode(d) then
M ← d //Recover graph
structure
else if d < dmin then //Look for shorter
distance
dmin ← d
M.Distance← dmin //Update shortest
distance
Emit(nid m, node M)
它每次迭代执行一个map-reduce job,并且只遍历一个节点。在Map中,它先输出这个节点的完整邻接节点数据,即[1]。然后遍历该节点的邻接节点,并输出该节点ID及权重。在Reduce中,对当前节点m,遍历map的输出权重,若比当前的路径值小,则更新。最后输出该节点的路径值及完整邻接节点数据,作为下一次迭代的输入。
实现上有个细节需要注意的是,map的输出有两种类型的数据:邻接节点数据和权重数据,这可以通过一个包装类,并设置一个dataType变量来实现。
当遍历完所有的节点之后,迭代就终止了。
系统环境
Linux Ubuntu 16.04
jdk-7u75-linux-x64
Hadoop 2.6.0-cdh5.4.5
任务内容
原始数据:
A(B,10) (D,5)
B(C,1) (D,2)
C(E,4)
D(B,3) (C,9) E,2)
E(A,7) (C,6)
如图,A为初始节点,A到B的距离为10,A到D的距离为5。
B到C的距离为1,B到D的距离为3
Map阶段:
从初始A节点开始,将节点到其他相连节点的距离列举出来,然后传递给reduce,找到距离最短的。
从初始A节点开始,找到B和D,然后再找B和D的相邻节点,依次类推,这个就是广度优先搜索。
从A节点出发,A节点不能直接到达节点默认的距离为inf,表示距离无穷大。
A能到达的节点有:A本身(距离为0),B(距离为10),D(距离为5)
则可以表示为:
A 0(B,10) (D,5)
B 10
D 5
Reduce阶段:
找到所有存在的距离中最短的,并更新记录中的最短距离。
如A节点到C节点有两种路径:
A=>B=>C,距离为:10+1=11
A=>D=>B=>C,距离为5+3+1=9
则A节点到C节点的最短距离为9
任务步骤
1.首先,我们来准备实验需要用到的数据,切换到/data/mydata目录下,使用vim编辑一个data.txt文件
mkdir -p /data/mydata
cd /data/mydata
vim data.txt
2.将如下数据写入其中(注意数据之间以\t分割)
A (B,10) (D,5)
B (C,1) (D,2)
C (E,4)
D (B,3) (C,9) (E,2)
E (A,7) (C,6)
3.切换到/apps/hadoop/sbin目录下,开启Hadoop相关进程
cd /apps/hadoop/sbin
./start-all.sh
4.输入JPS查看一下相关进程是否已经启动。
view plain copy
jps
5.在HDFS的根下创建一个input目录,并将data.txt文件上传到HDFS上的input文件夹下
hadoop fs -mkdir /input
hadoop fs -put /data/mydata/data.txt /input
6.打开Eclipse,创建一个Map/Reduce项目
7.设置项目名为mr_sf并点击Finish
8.创建一个包,名为mr_mindistance
9.创建一个类,名为RunJob,作用为计算最短路径。
10.下面开始编写Runjob类的代码
完整代码为:
package mr_mindistance;
import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
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.input.KeyValueTextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.StringUtils;
public class RunJob {
static enum eInf {
COUNTER
}
public static void main(String[] args) {
Configuration conf = new Configuration();
//设置主机地址及端口号
conf.set("fs.defaultFS", "hdfs://localhost:9000");
try {
FileSystem fs = FileSystem.get(conf);
int i = 0;
long num = 1;
long tmp = 0;
while (num > 0) {
i++;
conf.setInt("run.counter", i);
Job job = Job.getInstance(conf);
job.setJarByClass(RunJob.class);
job.setMapperClass(ShortestPathMapper.class);
job.setReducerClass(ShortestPathReducer.class);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(Text.class);
//key value 的格式 第一个item为key,后面的item为value
job.setInputFormatClass(KeyValueTextInputFormat.class);
//设置输入、输出路径
if (i == 1)
FileInputFormat.addInputPath(job, new Path("/input/"));
else
FileInputFormat.addInputPath(job, new Path("/output/" + (i - 1)));
Path outPath = new Path("/output/" + i);
if (fs.exists(outPath)) {
fs.delete(outPath, true);
}
FileOutputFormat.setOutputPath(job, outPath);
boolean b = job.waitForCompletion(true);
if (b) {
num = job.getCounters().findCounter(eInf.COUNTER).getValue();
if (num == 0) {
System.out.println("共执行了" + i + "次,完成最短路径计算");
}
}
}
} catch (Exception e) {
e.printStackTrace();
}
}
public static class ShortestPathMapper extends Mapper<Text, Text, Text, Text> {
protected void map(Text key, Text value, Context context) throws IOException, InterruptedException {
int conuter = context.getConfiguration().getInt("run.counter", 1);
Node node = new Node();
String distance = null;
String str = null;
// 第一次计算,填写默认距离 A:0 其他:inf
if (conuter == 1) {
if (key.toString().equals("A") || key.toString().equals("1")) {
distance = "0";
} else {
distance = "inf";
}
str = distance + "\t" + value.toString();
} else {
str = value.toString();
}
context.write(key, new Text(str));
node.FormatNode(str);
// 没走到此节点 退出
if (node.getDistance().equals("inf"))
return;
// 重新计算源点A到各点的距离
for (int i = 0; i < node.getNodeNum(); i++) {
String k = node.getNodeKey(i);
String v = new String(
Integer.parseInt(node.getNodeValue(i)) + Integer.parseInt(node.getDistance()) + "");
context.write(new Text(k), new Text(v));
}
}
}
public static class ShortestPathReducer extends Reducer<Text, Text, Text, Text> {
protected void reduce(Text arg0, Iterable<Text> arg1, Context arg2) throws IOException, InterruptedException {
String min = null;
int i = 0;
String dis = "inf";
Node node = new Node();
for (Text t : arg1) {
i++;
dis = StringUtils.split(t.toString(), '\t')[0];
// 如果存在inf节点,表示存在没有计算距离的节点。
// if(dis.equals("inf"))
// arg2.getCounter(eInf.COUNTER).increment(1L);
// 判断是否存在相邻节点,如果是则需要保留信息,并找到最小距离进行更新。
String[] strs = StringUtils.split(t.toString(), '\t');
if (strs.length > 1) {
node.FormatNode(t.toString());
}
// 第一条数据默认是最小距离
if (i == 1) {
min = dis;
} else {
if (dis.equals("inf"))
;
else if (min.equals("inf"))
min = dis;
else if (Integer.parseInt(min) > Integer.parseInt(dis)) {
min = dis;
}
}
}
// 有新的最小值,说明还在进行优化计算,需要继续循环计算
if (!min.equals("inf")) {
if (node.getDistance().equals("inf"))
arg2.getCounter(eInf.COUNTER).increment(1L);
else {
if (Integer.parseInt(node.getDistance()) > Integer.parseInt(min))
arg2.getCounter(eInf.COUNTER).increment(1L);
}
}
node.setDistance(min);
arg2.write(arg0, new Text(node.toString()));
}
}
}
11.创建一个Node类,作用为保存节点的信息
12.下面开始编写代码
完整代码为:
package mr_mindistance;
import org.apache.hadoop.util.StringUtils;
public class Node {
private String distance;
private String[] adjs;
public String getDistance() {
return distance;
}
public void setDistance(String distance) {
this.distance = distance;
}
public String getKey(String str)
{
return str.substring(1, str.indexOf(","));
}
public String getValue(String str)
{
return str.substring(str.indexOf(",")+1, str.indexOf(")"));
}
public String getNodeKey(int num)
{
return getKey(adjs[num]);
}
public String getNodeValue(int num)
{
return getValue(adjs[num]);
}
public int getNodeNum()
{
return adjs.length;
}
public void FormatNode(String str)
{
if(str.length() == 0)
return ;
String[] strs = StringUtils.split(str, '\t');
adjs = new String[strs.length-1];
for(int i=0; i<strs.length; i++)
{
if(i == 0)
{
setDistance(strs[i]);
continue;
}
this.adjs[i-1]=strs[i];
}
}
public String toString()
{
String str = this.distance+"" ;
if(this.adjs == null)
return str;
for(String s:this.adjs)
{
str = str+"\t"+s;
}
return str;
}
public static void main(String[] args)
{
Node node = new Node();
node.FormatNode("1 (A,20) (B,30)");
System.out.println(node.distance+"|"+node.getNodeNum()+"|"+node.toString());
}
}
13.下面在Runjob类下,单击右键,选择Run As=>Run on Hadoop,运行程序,查看执行结果
可以在Console界面看到如下输出,证明程序执行成功,共进行了4次运算。
14.查看HDFS上的/output目录及最终计算结果(/ouput/下的1、2、3、4目录分别保存了4次执行程序的计算结果)
view plain copy
hadoop fs -ls -R /output
hadoop fs -cat /output/4/part-r-00000
通过分析结果,我们可以清楚地看到A点距离各点的最短距离。
至此,实验就已经结束了。