通过java api提交自定义hadoop 作业
通过API操作之前要先了解几个基本知识
一、hadoop的基本数据类型和java的基本数据类型是不一样的，但是都存在对应的关系
如下图
如果需要定义自己的数据类型，则必须实现Writable
hadoop的数据类型可以通过get方法获得对应的java数据类型
而java的数据类型可以通过hadoop数据类名的构造函数，或者set方法转换
二、hadoop提交作业的的步骤分为八个，可以理解为天龙八步
如下：
map端工作：
1.1 读取要操作的文件--这步会将文件的内容格式化成键值对的形式，键为每一行的起始位置偏移，值为每一行的内容
1.2 调用map进行处理--在这步使用自定义的Mapper类来实现自己的逻辑，输入的数据为1.1格式化的键值对，输入的数据也是键值对的形式
1.3 对map的处理结果进行分区--map处理完毕之后可以根据自己的业务需求来对键值对进行分区处理，比如，将类型不同的结果保存在不同的文件中等。这里设置几个分区，后面就会有对应的几个Reducer来处理相应分区中的内容
1.4 分区之后，对每个分区的数据进行排序，分组--排序按照从小到大进行排列，排序完毕之后，会将键值对中，key相同的选项 的value进行合并。如，所有的键值对中，可能存在
hello 1
hello 1
key都是hello，进行合并之后变成
hello 2
可以根据自己的业务需求对排序和合并的处理进行干涉和实现
1.5 归约（combiner）--简单的说就是在map端进行一次reduce处理，但是和真正的reduce处理不同之处在于：combiner只能处理本地数据，不能跨网络处理。通过map端的combiner处理可以减少输出的数据，因为数据都是通过网络传输的，其目的是为了减轻网络传输的压力和后边reduce的工作量。并不能取代reduce
reduce端工作：
2.1 通过网络将数据copy到各个reduce
2.2 调用reduce进行处理--reduce接收的数据是整个map端处理完毕之后的键值对，输出的也是键值对的集合，是最终的结果
2.3 将结果输出到hdfs文件系统的路径中
新建一个java项目，并导入hadoop包，在项目选项上右键，如图选择
找到hadoop的安装目录，选择所有的包
在找到hadoop安装目录下的lib，导入其中的所有包
新建JMapper类为自定义的Mapper类
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
//自定义的Mapper类必须继承Mapper类，并重写map方法实现自己的逻辑
public class JMapper extends Mapper<LongWritable, Text, Text, LongWritable> {
//处理输入文件的每一行都会调用一次map方法，文件有多少行就会调用多少次
protected void map(
LongWritable key,
Text value,
org.apache.hadoop.mapreduce.Mapper<LongWritable, Text, Text, LongWritable>.Context context)
throws java.io.IOException, InterruptedException {
//key为每一行的起始偏移量
//value为每一行的内容
//每一行的内容分割，如hello world，分割成一个String数组有两个数据，分别是hello，world
String[] ss = value.toString().toString().split("\t");
//循环数组，将其中的每个数据当做输出的键，值为1，表示这个键出现一次
for (String s : ss) {
//context.write方法可以将map得到的键值对输出
context.write(new Text(s), new LongWritable(1));
}
};
}
新建JReducer类为自定义的Reducer
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
//自定义的Reducer类必须继承Reducer，并重写reduce方法实现自己的逻辑，泛型参数分别为输入的键类型，值类型；输出的键类型，值类型；之后的reduce类似
public class JReducer extends Reducer<Text, LongWritable, Text, LongWritable> {
//处理每一个键值对都会调用一次reduce方法，有多少个键值对就调用多少次
protected void reduce(
Text key,
java.lang.Iterable<LongWritable> value,
org.apache.hadoop.mapreduce.Reducer<Text, LongWritable, Text, LongWritable>.Context context)
throws java.io.IOException, InterruptedException {
//key为每一个单独的单词，如：hello，world，you，me等
//value为这个单词在文本中出现的次数集合，如{1,1,1}，表示总共出现了三次
long sum = 0;
//循环value，将其中的值相加，得到总次数
for (LongWritable v : value) {
sum += v.get();
}
//context.write输入新的键值对（结果）
context.write(key, new LongWritable(sum));
};
}
新建执行提交作业的类，取名JSubmit
import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
public class JSubmit {
public static void main(String[] args) throws IOException,
URISyntaxException, InterruptedException, ClassNotFoundException {
//Path类为hadoop API定义，创建两个Path对象，一个输入文件的路径，一个输入结果的路径
Path outPath = new Path("hdfs://localhost:9000/out");
//输入文件的路径为本地linux系统的文件路径
Path inPath = new Path("/home/hadoop/word");
//创建默认的Configuration对象
Configuration conf = new Configuration();
//根据地址和conf得到hadoop的文件系统独享
//如果输入路径已经存在则删除
FileSystem fs = FileSystem.get(new URI("hdfs://localhost:9000"), conf);
if (fs.exists(outPath)) {
fs.delete(outPath, true);
}
//根据conf创建一个新的Job对象，代表要提交的作业，作业名为JSubmit.class.getSimpleName()
Job job = new Job(conf, JSubmit.class.getSimpleName());
//1.1
//FileInputFormat类设置要读取的文件路径
FileInputFormat.setInputPaths(job, inPath);
//setInputFormatClass设置读取文件时使用的格式化类
job.setInputFormatClass(TextInputFormat.class);
//1.2调用自定义的Mapper类的map方法进行操作
//设置处理的Mapper类
job.setMapperClass(JMapper.class);
//设置Mapper类处理完毕之后输出的键值对 的 数据类型
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(LongWritable.class);
//1.3分区，下面的两行代码写和没写都一样，默认的设置<span style="white-space:pre"> </span>job.setPartitionerClass(HashPartitioner.class); <span style="white-space:pre"> </span>job.setNumReduceTasks(1); //1.4排序，分组 //1.5归约，这三步都有默认的设置，如果没有特殊的需求可以不管
//2.1将数据传输到对应的Reducer //2.2使用自定义的Reducer类操作 //设置Reducer类 job.setReducerClass(JReducer.class); //设置Reducer处理完之后 输出的键值对 的数据类型 job.setOutputKeyClass(Text.class); job.setOutputValueClass(LongWritable.class); //2.3将结果输出 //FileOutputFormat设置输出的路径 FileOutputFormat.setOutputPath(job, outPath); //setOutputFormatClass设置输出时的格式化类 job.setOutputFormatClass(TextOutputFormat.class); //将当前的job对象提交 job.waitForCompletion(true); } }
运行java程序，可以再控制台看到提交作业的提示
在hdfs中查看输出的文件
运行成功！
