（转）多个mapreduce工作相互依赖处理方法完整实例（JobControl）

多个mapreduce工作相互依赖处理方法完整实例（JobControl）

原文地址：http://mntms.iteye.com/blog/2096456?utm_source=tuicool&utm_medium=referral

 

 处理复杂的要求的时候，有时一个mapreduce程序时完成不了的，往往需要多个mapreduce程序，这个时候就要牵扯到各个任务之间的依赖关系，所谓依赖就是一个M/R Job 的处理结果是另外的M/R 的输入，以此类推，完成几个mapreduce程序，得到最后的结果，下面将直接贴出一个例子的全部代码，因为为了找一个完整的例子实在是太难了，今天找了半天才把这个问题解决。

         代码描述，一共包括两个mapreduce作业。也就是两个map和两个reduce函数，第一个job处理后的输出是第二个job的输入，然后交由第二个job来做出最后的结果，代码里面的关键的地方已经有了注释

 

先是代码的主体部分：



 

 

上代码：

Java代码  收藏代码
  1. /* 
  2.  * anthor TMS 
  3.  */  
  4. package 依赖MR处理方法;  
  5. import java.io.IOException;  
  6. import org.apache.hadoop.fs.Path;  
  7. import org.apache.hadoop.io.IntWritable;  
  8. import org.apache.hadoop.io.Text;  
  9. import org.apache.hadoop.mapred.JobConf;  
  10. import org.apache.hadoop.mapreduce.Job;  
  11. import org.apache.hadoop.mapreduce.Mapper;  
  12. import org.apache.hadoop.mapreduce.Reducer;  
  13. import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;  
  14. import org.apache.hadoop.mapreduce.lib.jobcontrol.ControlledJob;  
  15. import org.apache.hadoop.mapreduce.lib.jobcontrol.JobControl;  
  16. import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;  
  17.   
  18.  public class MODEL {  
  19.        
  20.      //第一个Job的map函数  
  21.      public static class Map_First extends Mapper<Object, Text  ,Text , IntWritable>{                                                                                                     private final static IntWritable one = new IntWritable(1);  
  22.             private Text keys = new Text();  
  23.             public void map(Object key,Text value, Context context ) throws IOException, InterruptedException {  
  24.                 String s = value.toString();  
  25.                 String[]  allStr = Config.CatString(s);  
  26.                 keys.set(allStr[1]);   
  27.                 context.write(keys, one);  
  28.             }  
  29.       }  
  30.       
  31.      //第一个Job的reduce函数  
  32.       public static class Reduce_First extends Reducer<Text, IntWritable, Text, IntWritable> {  
  33.           private IntWritable result = new IntWritable();  
  34.           public void reduce(Text key,Iterable<IntWritable>values, Context context) throws IOException, InterruptedException {  
  35.                int sum = 0;  
  36.                for(IntWritable value:values) {  
  37.                    sum  +=  value.get();  
  38.                }  
  39.                 result.set(sum);  
  40.                  
  41.                 context.write(key, result);  
  42.           }  
  43.       }  
  44.         
  45.       //第二个job的map函数  
  46.       public static class Map_Second extends Mapper<Object, Text  ,Text , IntWritable>{          
  47.             private final static IntWritable one = new IntWritable(1);  
  48.             private Text keys = new Text();  
  49.             public void map(Object key,Text value, Context context ) throws IOException, InterruptedException {  
  50.   
  51.                 String s = value.toString();  
  52.                 String[]  allStr = Config.CatString(s);  
  53.                 keys.set(allStr[1]);   
  54.                 context.write(keys, one);  
  55.             }  
  56.       }  
  57.         
  58.       //第二个Job的reduce函数  
  59.       public static class Reduce_Second extends Reducer<Text, IntWritable, Text, IntWritable> {  
  60.           private IntWritable result = new IntWritable();  
  61.           public void reduce(Text key,Iterable<IntWritable>values, Context context) throws IOException, InterruptedException {  
  62.                int sum = 0;  
  63.                for(IntWritable value:values) {  
  64.                    sum  +=  value.get();  
  65.                }  
  66.                 result.set(sum);  
  67.                 context.write(key, result);  
  68.           }  
  69.       }  
  70.         
  71.       //启动函数  
  72.       public static void main(String[] args) throws IOException {  
  73.           
  74.         JobConf conf = new JobConf(MODEL.class);  
  75.           
  76.         //第一个job的配置  
  77.         Job job1 = new Job(conf,"join1");  
  78.         job1.setJarByClass(MODEL.class);   
  79.   
  80.         job1.setMapperClass(Map_First.class);   
  81.         job1.setReducerClass(Reduce_First.class);   
  82.   
  83.         job1.setMapOutputKeyClass(Text.class);//map阶段的输出的key   
  84.         job1.setMapOutputValueClass(IntWritable.class);//map阶段的输出的value   
  85.       
  86.         job1.setOutputKeyClass(Text.class);//reduce阶段的输出的key   
  87.         job1.setOutputValueClass(IntWritable.class);//reduce阶段的输出的value   
  88.           
  89.         //加入控制容器   
  90.         ControlledJob ctrljob1=new  ControlledJob(conf);   
  91.         ctrljob1.setJob(job1);   
  92.         //job1的输入输出文件路径  
  93.         FileInputFormat.addInputPath(job1, new Path(args[0]));   
  94.         FileOutputFormat.setOutputPath(job1, new Path(args[1]));   
  95.   
  96.         //第二个job的配置  
  97.         Job job2=new Job(conf,"Join2");   
  98.         job2.setJarByClass(MODEL.class);   
  99.           
  100.         job2.setMapperClass(Map_Second.class);   
  101.        job2.setReducerClass(Reduce_Second.class);   
  102.          
  103.         job2.setMapOutputKeyClass(Text.class);//map阶段的输出的key   
  104.         job2.setMapOutputValueClass(IntWritable.class);//map阶段的输出的value   
  105.   
  106.         job2.setOutputKeyClass(Text.class);//reduce阶段的输出的key   
  107.         job2.setOutputValueClass(IntWritable.class);//reduce阶段的输出的value   
  108.   
  109.         //作业2加入控制容器   
  110.         ControlledJob ctrljob2=new ControlledJob(conf);   
  111.         ctrljob2.setJob(job2);   
  112.       
  113.        //设置多个作业直接的依赖关系   
  114.        //如下所写：   
  115.        //意思为job2的启动，依赖于job1作业的完成   
  116.       
  117.         ctrljob2.addDependingJob(ctrljob1);   
  118.           
  119.         //输入路径是上一个作业的输出路径，因此这里填args[1],要和上面对应好  
  120.         FileInputFormat.addInputPath(job2, new Path(args[1]));  
  121.           
  122.         //输出路径从新传入一个参数，这里需要注意，因为我们最后的输出文件一定要是没有出现过得  
  123.         //因此我们在这里new Path(args[2])因为args[2]在上面没有用过，只要和上面不同就可以了  
  124.         FileOutputFormat.setOutputPath(job2,new Path(args[2]) );  
  125.   
  126.         //主的控制容器，控制上面的总的两个子作业   
  127.         JobControl jobCtrl=new JobControl("myctrl");   
  128.       
  129.         //添加到总的JobControl里，进行控制  
  130.         jobCtrl.addJob(ctrljob1);   
  131.         jobCtrl.addJob(ctrljob2);   
  132.   
  133.   
  134.         //在线程启动，记住一定要有这个  
  135.         Thread  t=new Thread(jobCtrl);   
  136.         t.start();   
  137.   
  138.         while(true){   
  139.   
  140.         if(jobCtrl.allFinished()){//如果作业成功完成，就打印成功作业的信息   
  141.         System.out.println(jobCtrl.getSuccessfulJobList());   
  142.         jobCtrl.stop();   
  143.         break;   
  144.         }  
  145.         }  
  146.         }  
  147. }  

 

   工程上右键run进行配置：先配置第一个栏目main里面的Project(项目名)和Main Class（主类名） 

    

 

接下来是arguments如下所示:



 

最后点击Apply然后Run,运行成功之后,刷新DFS出现几个文件，如下分别为输入的原始数据文件，第一个mapreduce任务后输出的文件output和第二个mapreduce任务之后输出的文件output1



 

 

这里只有两个mapreduce任务，多个也是一样，主要的思想就是先写好每一个mapreduce任务的主体部分，也就是map和reduce函数，然后就是分别配置每一个mapreduce任务（这里要注意设置好输入和输出路径，很容易忘记！！！）此时将job任务加入到控制容器，每一个都要加，再就是使用addDependingJob()添加依赖关系，再用一个总的控制器控制每一个任务。最后用一个线程启动！！！

posted on 2015-11-01 17:34  IT小不点  阅读(528)  评论(0)  编辑  收藏  举报

Powered by: 博客园 Copyright © 2024 IT小不点
Powered by .NET 9.0 on Kubernetes