hadoop_05

hadoop05

setup cleanup

setup()，此方法被MapReduce框架仅且执行一次，在执行Map任务前，进行相关变量或者资源的集中初始化工作。若是将资源初始化工作放在方法map()中，导致Mapper任务在解析每一行输入时都会进行资源初始化工作，导致重复，程序运行效率不高！
cleanup(),此方法被MapReduce框架仅且执行一次，在执行完毕Map任务后，进行相关变量或资源的释放工作。若是将释放资源工作放入方法map()中，也会导致Mapper任务在解析、处理每一行文本后释放资源，而且在下一行文本解析前还要重复初始化，导致反复重复，程序运行效率不高！

1.小文件处理

因mapreduce处理文件逻辑比较复杂，mapreduce不适合处理大量小文件。

小文件合并

package com.xjk.mm;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.lib.input.FileSplit;
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;



public class Merger {
	static class MergerMapper extends Mapper<LongWritable,Text,Text,Text>{
		String fileName = null;
		protected void setup(Mapper<LongWritable,Text,Text,Text>.Context context){
            // 获取文件名称。
			FileSplit f = (FileSplit)context.getInputSplit();
			fileName = f.getPath().getName();
		}
		
		Text k = new Text();
		Text v = new Text();
		@Override
		protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, Text>.Context context)
				throws IOException, InterruptedException {
			String line = value.toString();
			k.set(fileName);
			v.set(line);
			context.write(k, v);
		}
	}	
	static class MergerReducer extends Reducer<Text,Text,Text,Text>{
		Text v = new Text();
		protected void reduce(Text key, Iterable<Text> values, Reducer<Text,Text,Text,Text>.Context context) throws IOException, InterruptedException {
			StringBuilder sb = new StringBuilder();
			for (Text text : values) {
				sb.append(text.toString() + " ");
			}
			v.set(sb.toString().trim());
			context.write(key, v);
		}
	}

	public static void main(String[] args) throws Exception {
		Configuration conf = new Configuration();
		conf.set("hadoop.tmp.dir", "E:/hdfs_tmp_cache"); 
		
		Job job = Job.getInstance(conf);
		job.setMapperClass(MergerMapper.class);
		job.setReducerClass(MergerReducer.class);
		
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(Text.class);
		
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(Text.class);
		job.setNumReduceTasks(1);
		FileInputFormat.setInputPaths(job, new Path("d:/data/merger/input/"));
		FileOutputFormat.setOutputPath(job, new Path("d:/data/merger/output/"));
		
		boolean b = job.waitForCompletion(true);
		
		System.exit(b?0:-1);
		
	}
}


## 2.join方法

- MapReduce提供了表连接操作其中包括Map端join、Reduce端join还有半连接，现在我们要讨论的是Map端join，Map端join是指数据到达map处理函数之前进行合并的，效率要远远高于Reduce端join，因为Reduce端join是把所有的数据都经过Shuffle，非常消耗资源。

- 案例

  ```java
  orders.txt
  	订单号   用户id
  	order001,u002
  	order001,u003
  	...
  user.txt
  	订单号    用户id 用户名 年龄  朋友
  	order004,u001,senge,18,angelababy
  	...

代码：

// JoinBean.java
package com.xjk.join;

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
import org.apache.hadoop.io.Writable;
/*
 * 存储拼接好两张表的数据
 * */
public class JoinBean implements Writable {
	private String oid;
	private String uid;
	private String name;
	private int age;
	private String friend;
	private String tables; //标识存储在哪张表
	public String getOid() {
		return oid;
	}
	public void setOid(String oid) {
		this.oid = oid;
	}
	public String getUid() {
		return uid;
	}
	public void setUid(String uid) {
		this.uid = uid;
	}
	public String getName() {
		return name;
	}
	public void setName(String name) {
		this.name = name;
	}
	public int getAge() {
		return age;
	}
	public void setAge(int age) {
		this.age = age;
	}
	public String getFriend() {
		return friend;
	}
	public void setFriend(String friend) {
		this.friend = friend;
	}
	public String getTables() {
		return tables;
	}
	public void setTables(String tables) {
		this.tables = tables;
	}
	@Override
	public String toString() {
		return uid + "," + name + "," + age + ","+ friend;
	}
	public void write(DataOutput out) throws IOException{
		out.writeUTF(oid);
		out.writeUTF(uid);
		out.writeUTF(name);
		out.writeInt(age);
		out.writeUTF(friend);
		out.writeUTF(tables);
	}
	public void readFields(DataInput in)throws IOException{
		this.oid = in.readUTF();
		this.uid = in.readUTF();
		this.name = in.readUTF();
		this.age = in.readInt();
		this.friend = in.readUTF();
		this.tables = in.readUTF();
	}
}

// Join.java


package com.xjk.join;

import java.io.IOException;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.lib.input.FileSplit;
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;

public class Join {
	static class JoinMapper extends Mapper<LongWritable, Text, Text, JoinBean>{
		String fileName = null;
		@Override
		protected void setup(Mapper<LongWritable, Text, Text, JoinBean>.Context context)
				throws IOException, InterruptedException {
			FileSplit f = (FileSplit)context.getInputSplit();
			fileName = f.getPath().getName();
		}
		Text k = new Text();
		JoinBean j = new JoinBean();
		@Override
		protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, JoinBean>.Context context)
				throws IOException, InterruptedException {
			String line = value.toString();
			// 读取数据
			String[] split = line.split(",");
			if (fileName.startsWith("orders")) {
				// 读取订单文件
				j.setOid(split[0]);
				j.setUid(split[1]);
				// 因JoinBean其他类变量如果为null,在反序列化会报错，
				// 可以设置为一个不可见字符
				j.setName("\001");
				j.setAge(-1);
				j.setFriend("\001");
				j.setTables("orders");//标识存储在哪个文件
			}else {
				// 用户数据
				j.setUid(split[0]);
				j.setName(split[1]);
				j.setAge(Integer.parseInt(split[2]));
				j.setFriend(split[4]);
				j.setOid("\001");
				j.setTables("user");
			}
			k.set(j.getUid());
			context.write(k,j);
		}
	}
	
	static class JoinReducer extends Reducer<Text, JoinBean, Text, NullWritable>{
		List<JoinBean> list = new ArrayList<>();
		Map<String,JoinBean> map = new HashMap<>();	
		@Override
		protected void reduce(Text uid, Iterable<JoinBean> values,
				Reducer<Text, JoinBean, Text, NullWritable>.Context context) throws IOException, InterruptedException {
			// 遍历循环拿joinBean数据
			for (JoinBean joinBean : values) {
				String table = joinBean.getTables();
				if (table.equals("orders")) {
					// 存储订单信息
					JoinBean orders = new JoinBean();
					// 订单只有uid,oid
					orders.setUid(joinBean.getUid());
					orders.setOid(joinBean.getOid());
					list.add(orders);
				}else {
					// 存储用户信息
					JoinBean users = new JoinBean();
					users.setUid(joinBean.getUid());
					users.setName(joinBean.getName());
					users.setAge(joinBean.getAge());
					users.setFriend(joinBean.getFriend());
					map.put(users.getUid(), users);
				}
			}
		}
		@Override
		protected void cleanup(Reducer<Text, JoinBean, Text, NullWritable>.Context context)
				throws IOException, InterruptedException {
			for (JoinBean o : list) {
				// 根据list中uid,查找对应map用户
				JoinBean user = map.get(o.getUid());
				// 数据拼接
				String res = o.getOid() + "," +user.toString();
				// 数据写出
				context.write(new Text(res), NullWritable.get());
			}
		}	
	}
	public static void main(String[] args) throws Exception {
		Configuration conf = new Configuration();
		 conf.set("hadoop.tmp.dir", "E:/hdfs_tmp_cache"); 
		Job job = Job.getInstance(conf);
		job.setMapperClass(JoinMapper.class);
		job.setReducerClass(JoinReducer.class);
		// 输出设置:
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(JoinBean.class);
		
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(NullWritable.class);
		// 输入输出路径 
		FileInputFormat.setInputPaths(job, new Path("d:/data/orderdata/input/"));
		FileOutputFormat.setOutputPath(job, new Path("d:/data/orderdata/output/"));
		
		boolean b = job.waitForCompletion(true);
		// 程序退出 , 0  代表正常退出  非0 代表异常退出
		System.exit(b?0:-1);
	}
}

3.共同好友案例

的共同好友

A:B,C,D,F,E,O
B:A,C,E,K
C:F,A,D,I
D:A,E,F,L
E:B,C,D,M,L
F:A,B,C,D,E,O,M
G:A,C,D,E,F
H:A,C,D,E,O
I:A,O
J:B,O
K:A,C,D
L:D,E,F
M:E,F,G
O:A,H,I,J

分析：
第一行：A与B是好友，A与C是好友，A与D是好友，A与F是好友，A与E是好友，A与O是好友
第二行：B与A是好友，B与C是好友，B与E是好友，B与K是好友，
...
这样
A与B共同好友 --> C  E

代码：

package com.xjk.Friend;

import java.io.IOException;
import java.util.ArrayList;
import java.util.Collections;
import java.util.List;

import org.apache.hadoop.conf.Configuration;
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.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;



public class SameF1 {
	static class SameF1Mapper extends Mapper<LongWritable, Text, Text, Text>{
		Text k = new Text();
		Text v = new Text();
		protected void map(LongWritable key, Text value, org.apache.hadoop.mapreduce.Mapper<LongWritable,Text,Text,Text>.Context context) throws java.io.IOException ,InterruptedException {
			String line = value.toString();
			String[] split = line.split(":");
			String[] fs = split[1].split(",");
			v.set(split[0]);
			for (String f : fs) {
				k.set(f);
				context.write(k, v);
			}
			
		}
	}
	static class SamF1Reducer extends Reducer<Text, Text, Text, Text>{
		@Override
		protected void reduce(Text key, Iterable<Text> values, Reducer<Text, Text, Text, Text>.Context context)
				throws IOException, InterruptedException {
			List<String> list = new ArrayList<>();
			for (Text text:values) {
				list.add(text.toString());// k是当前好友，v是当前人
			}
			// 对list进行排序
			Collections.sort(list);
			
			for (int i = 0; i < list.size()-1; i++) {
				for (int j = i+1; j < list.size(); j++) {
					// b-c a 
					// b-d a
					// b-e a
					context.write(new Text(list.get(i) + "-" + list.get(j) + "的好友是:"), key);
				}
			}
		}
	}
	public static void main(String[] args) throws Exception {
		Configuration conf = new Configuration();
		 conf.set("hadoop.tmp.dir", "E:/hdfs_tmp_cache"); 
		Job job = Job.getInstance(conf);
		job.setMapperClass(SameF1Mapper.class);
		job.setReducerClass(SamF1Reducer.class);
		// 输出设置:
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(Text.class);
		
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(Text.class);
		// 输入输出路径 
		FileInputFormat.setInputPaths(job, new Path("d:/data/Friends/input/"));
		FileOutputFormat.setOutputPath(job, new Path("d:/data/Friends/output/"));
		
		boolean b = job.waitForCompletion(true);
		// 程序退出 , 0  代表正常退出  非0 代表异常退出
		System.exit(b?0:-1);
	}
}

会有重复

B-C的好友是:	A
B-D的好友是:	A
B-F的好友是:	A
B-G的好友是:	A
B-H的好友是:	A
B-I的好友是:	A
B-K的好友是:	A
B-O的好友是:	A
C-D的好友是:	A
C-F的好友是:	A
C-G的好友是:	A
C-H的好友是:	A
C-I的好友是:	A

代码2：

package com.xjk.Friend;

import java.io.IOException;
import java.util.ArrayList;
import java.util.Collections;
import java.util.List;

import org.apache.hadoop.conf.Configuration;
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.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;



public class SameF2 {
	static class SameF2Mapper extends Mapper<LongWritable, Text, Text, Text>{
		Text k = new Text();
		Text v = new Text();
		protected void map(LongWritable key, Text value, org.apache.hadoop.mapreduce.Mapper<LongWritable,Text,Text,Text>.Context context) throws java.io.IOException ,InterruptedException {
			String line = value.toString();
			String[] split =line.split("\t");
			k.set(split[0]);
			v.set(split[1]);
			context.write(k, v);
	}
	static class SamF2Reducer extends Reducer<Text, Text, Text, Text>{
		Text v = new Text();
		@Override
		protected void reduce(Text key, Iterable<Text> values, Reducer<Text, Text, Text, Text>.Context context)
				throws IOException, InterruptedException {
			StringBuilder sb = new StringBuilder();
			for (Text text : values) {
				sb.append(text.toString() + " ");
			}
			v.set(sb.toString().trim());
			context.write(key, v);
		}
	}
	public static void main(String[] args) throws Exception {
		Configuration conf = new Configuration();
		 conf.set("hadoop.tmp.dir", "E:/hdfs_tmp_cache"); 
		Job job = Job.getInstance(conf);
		job.setMapperClass(SameF2Mapper.class);
		job.setReducerClass(SamF2Reducer.class);
		// 输出设置:
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(Text.class);
		
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(Text.class);
		// 输入输出路径 
		FileInputFormat.setInputPaths(job, new Path("d:/data/Friends/output/"));
		FileOutputFormat.setOutputPath(job, new Path("d:/data/Friends/output2/"));
		
		boolean b = job.waitForCompletion(true);
		// 程序退出 , 0  代表正常退出  非0 代表异常退出
		System.exit(b?0:-1);
	}
}
	}

聚合

A-B的好友是:	E C
A-C的好友是:	D F
A-D的好友是:	E F
A-E的好友是:	D B C
A-F的好友是:	O B C D E
A-G的好友是:	F E C D
A-H的好友是:	E C D O
A-I的好友是:	O

4.yarn

我们都知道hdfs重要思想是将数据存储在不同机器上（分布式存储）。它的运算使用分布式运算运用在不同机器上，并行运算一个task,机器的处理资源（如CPU,内存）使用动态扩容，对外使用统一资源而统一资源管理器就是yarn。它为上层应用提供统一的资源管理和调度，它的引入为集群在利用率、资源统一管理和数据共享等方面带来了巨大好处
```
1.接收客户端任务提交
2.管理整个集群节点的资源
3.分配任务，监控各个节点任务运行情况
```

调度资源策略：

FIFO(废弃)

hadoop1.x使用的默认调度器就是FIFO。FIFO采用队列方式将一个一个job任务按照时间先后顺序进行服务。比如排在最前面的job需要若干maptask和若干reducetask，当发现有空闲的服务器节点就分配给这个job，直到job执行完毕。

Capacity Scheduler

![image-20201215131430381](C:\Users\Xu jk\AppData\Roaming\Typora\typora-user-images\image-20201215131430381.png)

在Yarn框架中，调度器是一块很重要的内容。有了合适的调度规则，就可以保证多个应用可以在同一时间有条不紊的工作。最原始的调度规则就是FIFO，即按照用户提交任务的时间来决定哪个任务先执行，但是这样很可能一个大任务独占资源，其他的资源需要不断的等待。也可能一堆小任务占用资源，大任务一直无法得到适当的资源，造成饥饿。所以FIFO虽然很简单，但是并不能满足我们的需求。


- Fair Scheduler

支持多个队列，每个队列可以配置一定的资源，每个队列中的job任务公平共享其所在队列的所有资源。

队列中的job任务都是按照优先级分配资源，优先级越高分配的资源越多，但是为了确保公平每个job任务都会分配到资源。优先级是根据每个job任务的理想获取资源量减去实际获取资源量的差值决定的，差值越大优先级越高。


## 5.yarn的安装

cd /opt/hdp/hadoop-2.8.5/etc/hadoop

vim yarn-site.xml
配置：

yarn.resourcemanager.hostname linux01 yarn.nodemanager.aux-services mapreduce_shuffle yarn.nodemanager.resource.memory-mb 2048 yarn.nodemanager.resource.cpu-vcores 2 yarn.nodemanager.vmem-check-enabled false yarn.nodemanager.vmem-pmem-ratio 2.1

复制到linux02 和linux03机器上

scp yarn-site.xml linux02: $PWD scp yarn-site.xml linux03:$ PWD

一键启动hdfs

start-dfs.sh

jps查看启动namenode datanode

cd /opt/hdp/hadoop-2.8.5/sbin

启动yarn

start-yarn.sh#此时会启动ResourceManager和NodeManager

而stop-all.sh 是将hdfs和yarn全部停止。


## 6.进入yarn的web页面查看资源管理

- http://10.0.0.134:8088/cluster

![image-20201215175354686](C:\Users\Xu jk\AppData\Roaming\Typora\typora-user-images\image-20201215175354686.png)

## 7.windows中提交到yarn

- 操作mapreduce设置操作hdfs配置

```java
Configuration conf = new COnfiguration();
// 设置操作hdfs文件
conf.set('fs.defaultFs', 'hdfs://linux01:9000');
// 设置程序运行在yarn ,默认local
conf.set('mapreduce.framework.name', 'yarn');
// 设置resourcemanager主机
conf.set('yarn.resourcemanager.hostname','linux01');
// 允许 mapreduce程序跨平台运行
conf.set('mapreduce.app-submission.cross-platform','true');
// 获取一个任务提交的工作对象
Job job = Job.getInstance(conf);
// 设置jar文件
job.setJar("d:/data/input/");
    
 // 动态获取jar包
job.setJarByClass(JobSubmit2.class);

先删除hdfs之前output

hdfs dfs -rm -r /data/wc/output

示例，新建package,拿出以前统计单词的包

![image-20201215234201517](C:\Users\Xu jk\AppData\Roaming\Typora\typora-user-images\image-20201215234201517.png)

更改DriverClass.java

package com.xjk.yarn;

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.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

public class DriverClass {
	public static void main(String[] args) throws Exception {
		// 设置用户名
		System.setProperty("HADOOP_USER_NAME", "root");
		// 生成默认配置
		Configuration conf = new Configuration();
		Job job = Job.getInstance(conf);
		//conf.set("hadoop.tmp.dir", "E:/hdfs_tmp_cache"); 
		conf.set("fs.defaultFS", "hdfs://linux01:9000");
		// 设置程序运行在yarn ,默认local
		conf.set("mapreduce.framework.name", "yarn");
		// 设置resourcemanager主机
		conf.set("yarn.resourcemanager.hostname","linux01");
		// 允许 mapreduce程序跨平台运行
		conf.set("mapreduce.app-submission.cross-platform","true");
		// 设置程序的jar路径
		job.setJar("E:\\data\\wc.jar");
		// map和reduce的类
		job.setMapperClass(WordCountMapper.class);
		job.setReducerClass(WordCountReduce.class);
		// map输出k-v类型，
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(IntWritable.class);
		//reduce输出k-v类型
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(IntWritable.class);
		//输入数据  设置默认处理文件路径，默认处理文本数据long line
		FileInputFormat.setInputPaths(job, new Path("hdfs://linux01:9000/data/wc/input/"));
		//输出数据路径
		FileOutputFormat.setOutputPath(job, new Path("hdfs://linux01:9000/data/wc/output/"));
		// 设置reduce数量
		job.setNumReduceTasks(2);
		// 将任务提交，默认在本地运行true将job执行消息打印在控制台上。
		job.waitForCompletion(true);
	}
}

然后File,Export将该包打包到E:\data\wc.jar下。然后执行main方法。
如果报错System times on machines may be out of sync.Check system time and time zones：

有可能机器时间不同步。可使用ntp将时间同步

查看结果：

hdfs dfs -cat /data/wc/output/part-r-00001
hdfs dfs -cat /data/wc/output/part-r-00000

8.Linux提交yarn

只需要更改main中

// 生成默认配置
Configuration conf = new Configuration();
Job job = Job.getInstance(conf);

// 设置程序运行在yarn ,默认local
conf.set("mapreduce.framework.name", "yarn");
// 设置resourcemanager主机
conf.set("yarn.resourcemanager.hostname","linux01");
job.setJarByClass(DriverClass2.class);
// map和reduce的类
job.setMapperClass(WordCountMapper.class);
job.setReducerClass(WordCountReduce.class);
// map输出k-v类型，
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(IntWritable.class);
//reduce输出k-v类型
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
//输入数据  设置默认处理文件路径，默认处理文本数据long line
FileInputFormat.setInputPaths(job, new Path("hdfs://linux01:9000/data/wc/input/"));
//输出数据路径
FileOutputFormat.setOutputPath(job, new Path("hdfs://linux01:9000/data/wc/output2/"));
// 设置reduce数量
job.setNumReduceTasks(2);
// 将任务提交，默认在本地运行true将job执行消息打印在控制台上。
job.waitForCompletion(true);

然后打包成wc2.jar,将jar包放到linux机器上，执行如下命令：

hadoop jar /wc2.jar com.xjk.yarn.DriverClass2

查看执行结果

hdfs dfs -cat /data/wc/output2/part-r-00001

9.考试成绩案例

score.txt

统计每个人每个科目均值。每个科目最高分

数据倾斜，加random取hashcode

1.获取每个科目平均分

package com.xjk.score;

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.LongWritable;
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;

public class StudentScore {
	static class StudentMapper extends Mapper<LongWritable, Text, Text, IntWritable>{
		Text k = new Text();
		@Override
		protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, IntWritable>.Context context)
				throws IOException, InterruptedException {
			String line = value.toString();
			String[] split = line.split(",");
			String course = split[0];
			k.set(course);
			for (int i = 2; i < split.length; i++) {
				int s = Integer.parseInt(split[i]);
				context.write(k, new IntWritable(s));
			}
		}
	}
	static class StudentReducer extends Reducer<Text, IntWritable, Text, Text>{
		@Override
		protected void reduce(Text key, Iterable<IntWritable> value, Reducer<Text, IntWritable, Text, Text>.Context context)
				throws IOException, InterruptedException {
			int sum = 0;
			int count = 0;
			for (IntWritable i : value) {
				sum += i.get();
				count ++;
			}
			double avg = sum / count;
			context.write(key, new Text(avg+""));
		}
	}
	public static void main(String[] args) throws Exception {
				// 生成默认配置
				Configuration configuration = new Configuration();
				configuration.set("hadoop.tmp.dir", "E:/hdfs_tmp_cache"); 
				Job job = Job.getInstance(configuration);
				// map和reduce的类
				job.setMapperClass(StudentMapper.class);
				job.setReducerClass(StudentReducer.class);
				// map输出k-v类型，
				job.setMapOutputKeyClass(Text.class);
				job.setMapOutputValueClass(IntWritable.class);
				//reduce输出k-v类型
				job.setOutputKeyClass(Text.class);
				job.setOutputValueClass(Text.class);
				//输入数据  设置默认处理文件路径，默认处理文本数据long line
				FileInputFormat.setInputPaths(job, new Path("d:/data/studentsocre/input"));
				//输出数据路径
				FileOutputFormat.setOutputPath(job, new Path("d:/data/studentsocre/output"));
				// 设置reduce数量
				job.setNumReduceTasks(1);
				// 将任务提交，默认在本地运行true将job执行消息打印在控制台上。
				job.waitForCompletion(true);
	}
}

posted @ 2020-12-23 00:02 是阿凯啊阅读(68) 评论(0) 编辑收藏举报

刷新页面返回顶部

登录后才能查看或发表评论，立即登录或者逛逛博客园首页

阅读排行：
· 物流快递公司核心技术能力-地址解析分单基础技术分享
· .NET 10首个预览版发布：重大改进与新特性概览！
· 单线程的Redis速度为什么快？
· 展开说说关于C#中ORM框架的用法！
· Pantheons：用 TypeScript 打造主流大模型对话的一站式集成库

公告

昵称：是阿凯啊
园龄： 5年11个月
粉丝： 35
关注： 4

+加关注

2025年3月

日

一

二

三

四

五

六

阿凯

hadoop_05

hadoop05

1.小文件处理

3.共同好友案例

4.yarn

复制到linux02 和linux03机器上

一键启动hdfs

jps查看启动namenode datanode

启动yarn

而stop-all.sh 是将hdfs和yarn全部停止。

8.Linux提交yarn

9.考试成绩案例

1.获取每个科目平均分

公告

搜索

常用链接

积分与排名

随笔分类

随笔档案

相册

阅读排行榜

评论排行榜

推荐排行榜

最新评论