Hadoop——MapReduce Chain

多个MapReduce之间的嵌套

[TOC]

多个MapReduce之间的嵌套

在很多实际工作中,单个MR不能满足逻辑需求,而是需要多个MR之间的相互嵌套。很多场景下,一个MR的输入依赖于另一个MR的输出。结合案例实现一下两个MR的嵌套。
  Tip:如果只关心多个MR嵌套的实现,可以直接跳到下面《多个MR嵌套源码》章节查看

案例描述

根据log日志计算log中不同的IP地址数量是多少。测试数据如下图所示:


image.png

1363157985060 13726230503 30-FD-07-A4-72-B8:CMCC 120.196.100.82

1363157985061 13726230504 30-FC-07-A4-72-6A:CMCC 120.196.100.83

1363157985062 13726230505 12-FA-07-A5-72-B9:CMCC 120.196.100.84

1363157985063 13726230506 44-FE-07-A3-72-B8:CMCC 120.196.100.85

1363157985064 13726230507 56-FA-07-A4-72-B8:CMCC 120.196.100.86

1363157985065 13726230508 78-FD-07-A2-72-B8:CMCC 120.196.100.87

1363157985066 13726230545 98-FD-07-A7-72-B8:CMCC 120.196.100.87

该日志中每个字段都是用Tab建分割的。

将上述文件内容上传到HDFS:bin/hdfs dfs -mkdir /chain/bin/hdfs dfs -put chain.txt /chain/input

运行命令:bin/hadoop jar hadoopstudy-1.0-SNAPSHOT.jar com.ipcount.mrmr.Driver /chain/input /chain/midoutput /chain/output

查看运行结果:bin/hdfs dfs -cat /chain/output/*

案例分析

本次任务的目的是计算该日志不同的IP地址一共有多少。实现这个目的的方式有很多种,但是本文的目的是借助改案例对两个MapReduce之间的嵌套进行总结的。

实现方法

该任务分为两个MR过程,第一个MR(命名为MR1)负责将重复的ip地址去掉,然后将无重复的ip地址进行输出。第二个MR(命名为MR2)负责将MR1输出的ip地址文件进行汇总,然后将计算总数输出。

MR1阶段

map过程


public class IpFilterMapper extends Mapper<LongWritable, Text, Text, NullWritable> {

    @Override

    protected void map(LongWritable key, Text value,

            Mapper<LongWritable, Text, Text, NullWritable>.Context context)

            throws IOException, InterruptedException {

        String line = value.toString();

        String[] splits = line .split("\\s+");

        String ip = splits[3];

        context.write(new Text(ip), NullWritable.get());

    }

}

输入的key和value是文本的行号和每行的内容。

输出的key是ip地址,输出的value为空类型。

shuffle过程

主要是针对map阶段输出的key进行排序和分组,将相同的key分为一组,并且将相同key的value放到同一个集合里面,所以不同的组绝对不会出现相同的ip地址,分好组之后将值传递给reduce。注:该阶段是hadoop系统自动完成的,不需要程序员编程

reduce过程


 public class IpFilterReducer extends Reducer<Text, NullWritable, Text, NullWritable> {

    @Override

    protected void reduce(Text key, Iterable<NullWritable> values, Context context) 

            throws IOException, InterruptedException {

        context.write(key, NullWritable.get());

    }

} 

由于经过shuffle阶段之后所有输入的key都是不同的,也就是ip地址是无重复的,所以可以直接输出。

MR2阶段

map过程


public class IpCountMapper extends Mapper<LongWritable, Text, Text, NullWritable> {

    @Override

    protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, NullWritable>.Context context)

            throws IOException, InterruptedException {

        //输出的key为字符串"ip",这个可以随便设置,只要保证每次输出的key都一样就行

        //目的是为了在shuffle阶段分组

        context.write(new Text("ip"), NullWritable.get());

    }

}

shuffle过程

按照相同的key进行分组,由于map阶段所有的key都一样,所以最后只有一组。

reduce过程


public class IpCountReducer extends Reducer<Text, NullWritable, Text, NullWritable> {

    @Override

    protected void reduce(Text key, Iterable<NullWritable> values,

            Reducer<Text, NullWritable, Text, NullWritable>.Context context) throws IOException, InterruptedException {

        //用于存放ip地址总数量

        int count = 0;

        for (NullWritable v : values) {

            count ++;

        }

        context.write(new Text(count+""), NullWritable.get());

    }

}

流程图

image.png

源码

该案例所有源码都在下面。

MR1 map源码


//MR1 map源码

package com.ipcount.mrmr;

import java.io.IOException;

import org.apache.hadoop.io.LongWritable;

import org.apache.hadoop.io.NullWritable;

import org.apache.hadoop.io.Text;

import org.apache.hadoop.mapreduce.Mapper;

public class IpFilterMapper extends Mapper<LongWritable, Text, Text, NullWritable> {

    @Override

    protected void map(LongWritable key, Text value,

            Mapper<LongWritable, Text, Text, NullWritable>.Context context)

            throws IOException, InterruptedException {

        String line = value.toString();

        String[] splits = line .split("\\s+");

        String ip = splits[3];

        context.write(new Text(ip), NullWritable.get());

    }

}

MR1 reduce源码


package com.ipcount.mrmr;

import java.io.IOException;

import org.apache.hadoop.io.NullWritable;

import org.apache.hadoop.io.Text;

import org.apache.hadoop.mapreduce.Reducer;

public class IpFilterReducer extends Reducer<Text, NullWritable, Text, NullWritable> {

    @Override

    protected void reduce(Text key, Iterable<NullWritable> values, Context context) 

            throws IOException, InterruptedException {

        context.write(key, NullWritable.get());

    }

}

MR2 map源码


package com.ipcount.mrmr;

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;

import org.apache.hadoop.io.LongWritable;

import org.apache.hadoop.io.NullWritable;

import org.apache.hadoop.io.Text;

import org.apache.hadoop.mapreduce.Mapper;

public class IpCountMapper extends Mapper<LongWritable, Text, Text, NullWritable> {

    @Override

    protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, NullWritable>.Context context)

            throws IOException, InterruptedException {

        context.write(new Text("ip"), NullWritable.get());

    }

}

MR2 reduce源码


package com.ipcount.mrmr;

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;

import org.apache.hadoop.io.NullWritable;

import org.apache.hadoop.io.Text;

import org.apache.hadoop.mapreduce.Reducer;

public class IpCountReducer extends Reducer<Text, NullWritable, Text, NullWritable> {

    @Override

    protected void reduce(Text key, Iterable<NullWritable> values,

            Reducer<Text, NullWritable, Text, NullWritable>.Context context) throws IOException, InterruptedException {

        int count = 0;

        for (NullWritable v : values) {

            count ++;

        }

        context.write(new Text(count+""), NullWritable.get());

    }

}

多个MR嵌套源码


package com.ipcount.mrmr;

import java.io.IOException;

import org.apache.hadoop.fs.Path;

import org.apache.hadoop.io.NullWritable;

import org.apache.hadoop.io.Text;

import org.apache.hadoop.mapred.JobConf;

import org.apache.hadoop.mapreduce.Job;

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

import org.apache.hadoop.mapreduce.lib.jobcontrol.ControlledJob;

import org.apache.hadoop.mapreduce.lib.jobcontrol.JobControl;

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

public class Driver {

    public static void main(String[] args) throws Exception {

        JobConf conf = new JobConf(Driver.class);

        //job1设置

        Job job1 = new Job(conf, "job1");

        job1.setJarByClass(Driver.class);

        job1.setMapperClass(IpFilterMapper.class);

        job1.setMapOutputKeyClass(Text.class);

        job1.setMapOutputValueClass(NullWritable.class);

        job1.setReducerClass(IpFilterReducer.class);

        job1.setOutputKeyClass(Text.class);

        job1.setOutputValueClass(NullWritable.class);

        FileInputFormat.setInputPaths(job1, new Path(args[0]));

        FileOutputFormat.setOutputPath(job1, new Path(args[1]));

        //job1加入控制器

        ControlledJob ctrlJob1 = new ControlledJob(conf);

        ctrlJob1.setJob(job1);

        //job2设置

        Job job2 = new Job(conf, "job2");

        job2.setJarByClass(Driver.class);

        job2.setMapperClass(IpCountMapper.class);

        job2.setMapOutputKeyClass(Text.class);

        job2.setMapOutputValueClass(NullWritable.class);

        job2.setReducerClass(IpCountReducer.class);

        job2.setOutputKeyClass(Text.class);

        job2.setOutputValueClass(NullWritable.class);

        FileInputFormat.setInputPaths(job2, new Path(args[1]));

        FileOutputFormat.setOutputPath(job2, new Path(args[2]));

        //job2加入控制器

        ControlledJob ctrlJob2 = new ControlledJob(conf);

        ctrlJob2.setJob(job2);

        //设置作业之间的以来关系,job2的输入以来job1的输出

        ctrlJob2.addDependingJob(ctrlJob1);

        //设置主控制器,控制job1和job2两个作业

        JobControl jobCtrl = new JobControl("myCtrl");

        //添加到总的JobControl里,进行控制

        jobCtrl.addJob(ctrlJob1);

        jobCtrl.addJob(ctrlJob2);

        //在线程中启动,记住一定要有这个

        Thread thread = new Thread(jobCtrl);

        thread.start();

        while (true) {

            if (jobCtrl.allFinished()) {

                System.out.println(jobCtrl.getSuccessfulJobList());

                jobCtrl.stop();

                break;

            }

        }

    }

}


https://blog.csdn.net/u010521842/article/details/75042771

http://7de2eea1.wiz03.com/share/s/1ZUKWx0LjArB2oIU8d3nvWg42PsE6c3-gkXN2Ke6DX2DHb-4

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 219,589评论 6 508
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,615评论 3 396
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 165,933评论 0 356
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,976评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,999评论 6 393
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,775评论 1 307
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,474评论 3 420
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,359评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,854评论 1 317
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,007评论 3 338
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,146评论 1 351
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,826评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,484评论 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,029评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,153评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,420评论 3 373
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,107评论 2 356

推荐阅读更多精彩内容

  • 多个MapReduce之间的嵌套 在很多实际工作中,单个MR不能满足逻辑需求,而是需要多个MR之间的相互嵌套。很多...
    yanzhelee阅读 842评论 0 1
  • 一.简述如何安装配置apache 的一个开源的hadoop 1.使用root账户登陆 2.修改ip 3.修改hos...
    栀子花_ef39阅读 4,952评论 0 52
  • 马唐阅读 113评论 0 0
  • “三顾茅庐”,悲剧的开始。顾者,并非人人都是刘备,都是伯乐;被顾者,亦非都是孔明。三顾,行为意识太强了,纵使被顾者...
    苏弘飞阅读 281评论 0 0
  • 我们这一生早已在最美的青春被毁灭。 这是一篇从标题到结尾都满满占据负能量的文章,它不是呐喊,却有些嘶吼。 青春,有...
    0b5b37f91483阅读 176评论 0 2