MapReduce增强 07

悠悠 2022-03-02 15:14 158阅读 0赞

# 1. 分区以及reduceTask的个数 #

## 1.1 概念 ##

*  **分区：主要的作用就是决定我们数据去到哪一个reduceTask里面去**  
    物以类聚，人以群分。相同key的数据发送到同一个reduce里面去
 *  csv格式的数据可以直接被excel加载。excel是一个很强大的数据库。excel里面有很多的函数，日期，时间，金额，求最大值，求最小值，平均值  
    比较早的时候，很多做数据统计的人都是使用的excel。excel可以出各种统计图表。
 *  默认情况下是HashPartitioner  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjY0MTkwOQ_size_16_color_FFFFFF_t_70]
 *  自定义Partitioner  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjY0MTkwOQ_size_16_color_FFFFFF_t_70 1]

## 1.2 需求 ##

*  将以下数据进行分开处理  
    详细数据参见partition.csv 这个文本文件，其中第五个字段表示开奖结果数值，现在需求将15以上的结果以及15以下的结果进行分开成两个文件进行保存
 *  **注意：分区的案例，只能打成jar包发布到集群上面去运行，本地模式已经不能正常运行了**  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjY0MTkwOQ_size_16_color_FFFFFF_t_70 2]

## 1.3 代码逻辑 ##

### 1.3.1 定义我们的mapper ###

我们这里的mapper程序不做任何逻辑，也不对key，与value做任何改变，只是接收我们的数据，然后往下发送

public class MyMapper extends Mapper<LongWritable,Text,Text,NullWritable>{ 
        @Override
        protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException { 
            context.write(value,NullWritable.get());
        }
    }

### 1.3.2 定义reducer逻辑 ###

我们的reducer也不做任何处理，将我们的数据原封不动的输出即可

public class MyReducer 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());
        }
    }

### 1.3.3 自定义partitioner ###

/** * 这里的输入类型与我们map阶段的输出类型相同 */
    public class MyPartitioner extends Partitioner<Text,NullWritable>{ 
        /** * 返回值表示我们的数据要去到哪个分区 * 返回值只是一个分区的标记，标记所有相同的数据去到指定的分区 */
        @Override
        public int getPartition(Text text, NullWritable nullWritable, int i) { 
            String result = text.toString().split("\t")[5];
            System.out.println(result);
            if (Integer.parseInt(result) > 15){ 
                return 1;
            }else{ 
                return 0;
            }
        }
    }

### 1.3.4 程序main函数入口 ###

public class PartitionMain  extends Configured implements Tool { 
        public static void main(String[] args) throws  Exception{ 
            int run = ToolRunner.run(new Configuration(), new PartitionMain(), args);
            System.exit(run);
        }
        @Override
        public int run(String[] args) throws Exception { 
            Job job = Job.getInstance(super.getConf(), PartitionMain.class.getSimpleName());
            job.setJarByClass(PartitionMain.class);
            job.setInputFormatClass(TextInputFormat.class);
            job.setOutputFormatClass(TextOutputFormat.class);
            TextInputFormat.addInputPath(job,new Path("hdfs://192.168.52.100:8020/partitioner"));
            TextOutputFormat.setOutputPath(job,new Path("hdfs://192.168.52.100:8020/outpartition"));
            job.setMapperClass(MyMapper.class);
            job.setMapOutputKeyClass(Text.class);
            job.setMapOutputValueClass(NullWritable.class);
            job.setOutputKeyClass(Text.class);
            job.setMapOutputValueClass(NullWritable.class);
            job.setReducerClass(MyReducer.class);
            /** * 设置我们的分区类，以及我们的reducetask的个数，注意reduceTask的个数一定要与我们的 * 分区数保持一致 */
            job.setPartitionerClass(MyPartitioner.class);
            job.setNumReduceTasks(2);
            boolean b = job.waitForCompletion(true);
            return b?0:1;
        }
    }

# 2. 排序以及序列化 #

*  序列化：是为了实现网络之间的数据传输。hadoop当中，没有沿用java的那一套序列化，使用自己封装的一套序列化机制。所有的数据类型，都需要实现序列化，才可以实现跨网络传输
 *  hadoop当中的序列化接口叫做writable，只要实现了writable就可以实现序列化

Writable：hadoop当中序列化的接口
    Comparable ：javaSE当中的排序的接口
    
    如果我们只需要序列化:实现writable即可
    如果既需要序列化也需要排序：实现  WritableComparable
    默认排序规则是对k2  进行排序。以后记住：需要对谁进行排序就把谁作为k2

## 2.1 数据格式 ##

a	1
    a	9
    b	3
    a	7
    b	8
    b	10
    a	5

## 2.2 需求 ##

要求第一列按照字典顺序进行排列，第一列相同的时候，第二列按照升序进行排列

## 2.3 解决思路 ##

a	1
    a	9
    b	3
    a	7
    b	8
    b	10
    a	5
    a	9
    排序需求：先对第一列进行排序，如果第一列相等了，再对第二列进行排序
    a	1
    a	5
    a	7
    a	9
    a	9
    
    b	3
    b	8
    b	10

**二级排序**  
两个字段都要进行排序，两个字段都要作为我们K2 。可不可以将两个字段封装成一个javaBean，作为我们k2  
javaBean需要序列化 要排序 javaBean 实现 WritableComparable 即可  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjY0MTkwOQ_size_16_color_FFFFFF_t_70 3]

## 2.4 代码逻辑 ##

### 2.4.1 自定义数据类型以及比较器 ###

public class PairWritable implements WritableComparable<PairWritable> { 
        // 组合key,第一部分是我们第一列，第二部分是我们第二列
        private String first;
        private int second;
        public PairWritable() { 
        }
        public PairWritable(String first, int second) { 
            this.set(first, second);
        }
        /** * 方便设置字段 */
        public void set(String first, int second) { 
            this.first = first;
            this.second = second;
        }
        /** * 反序列化 */
        @Override
        public void readFields(DataInput input) throws IOException { 
            this.first = input.readUTF();
            this.second = input.readInt();
        }
        /** * 序列化 */
        @Override
        public void write(DataOutput output) throws IOException { 
            output.writeUTF(first);
            output.writeInt(second);
        }
        /* * 重写比较器 */
        public int compareTo(PairWritable o) { 
            //每次比较都是调用该方法的对象与传递的参数进行比较，说白了就是第一行与第二行比较完了之后的结果与第三行比较，
            //得出来的结果再去与第四行比较，依次类推
            System.out.println(o.toString());
            System.out.println(this.toString());
            int comp = this.first.compareTo(o.first);
            if (comp != 0) { 
                return comp;
            } else {  // 若第一个字段相等，则比较第二个字段
                return Integer.valueOf(this.second).compareTo(
                        Integer.valueOf(o.getSecond()));
            }
        }
    
        public int getSecond() { 
            return second;
        }
    
        public void setSecond(int second) { 
            this.second = second;
        }
        public String getFirst() { 
            return first;
        }
        public void setFirst(String first) { 
            this.first = first;
        }
        @Override
        public String toString() { 
            return "PairWritable{" +
                    "first='" + first + '\'' +
                    ", second=" + second +
                    '}';
        }
    }

### 2.4.2 自定义map逻辑 ###

public class SortMapper extends Mapper<LongWritable,Text,PairWritable,IntWritable> { 
    
        private PairWritable mapOutKey = new PairWritable();
        private IntWritable mapOutValue = new IntWritable();
    
        @Override
        public  void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException { 
            String lineValue = value.toString();
            String[] strs = lineValue.split("\t");
            //设置组合key和value ==> <(key,value),value>
            mapOutKey.set(strs[0], Integer.valueOf(strs[1]));
            mapOutValue.set(Integer.valueOf(strs[1]));
            context.write(mapOutKey, mapOutValue);
        }
    }

### 2.4.3 自定义reduce逻辑 ###

public class SortReducer extends Reducer<PairWritable,IntWritable,Text,IntWritable> { 
    
        private Text outPutKey = new Text();
        @Override
        public void reduce(PairWritable key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException { 
    //迭代输出
            for(IntWritable value : values) { 
                outPutKey.set(key.getFirst());
                context.write(outPutKey, value);
            }
        }
    }

### 2.4.4 定义main方法 ###

public class SecondarySort  extends Configured implements Tool { 
        @Override
        public int run(String[] args) throws Exception { 
            Configuration conf = super.getConf();
            conf.set("mapreduce.framework.name","local");
            Job job = Job.getInstance(conf, SecondarySort.class.getSimpleName());
            job.setJarByClass(SecondarySort.class);
    
            job.setInputFormatClass(TextInputFormat.class);
            TextInputFormat.addInputPath(job,new Path("file:///L:\\大数据离线阶段备课教案以及资料文档——by老王\\4、大数据离线第四天\\排序\\input"));
            TextOutputFormat.setOutputPath(job,new Path("file:///L:\\大数据离线阶段备课教案以及资料文档——by老王\\4、大数据离线第四天\\排序\\output"));
            job.setMapperClass(SortMapper.class);
            job.setMapOutputKeyClass(PairWritable.class);
            job.setMapOutputValueClass(IntWritable.class);
            job.setReducerClass(SortReducer.class);
            job.setOutputKeyClass(Text.class);
            job.setOutputValueClass(IntWritable.class);
            boolean b = job.waitForCompletion(true);
            return b?0:1;
        }
    
    
        public static void main(String[] args) throws Exception { 
            Configuration entries = new Configuration();
            ToolRunner.run(entries,new SecondarySort(),args);
        }
    }

# 3. MapReduce当中的计数器 #

计数器主要是mr当中提供给我们的一个计数的工具  
mapreduce当中的一个调优的手段

## 3.1 需求 ##

以上面排序以及序列化为案例，统计map接收到的数据记录条数  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjY0MTkwOQ_size_16_color_FFFFFF_t_70 4]

## 3.2 代码 ##

### 3.2.1 第一种方式定义计数器， ###

通过context上下文对象可以获取我们的计数器，进行记录,在map端使用计数器进行统计

public class SortMapper extends Mapper<LongWritable,Text,PairWritable,IntWritable> { 
    
        private PairWritable mapOutKey = new PairWritable();
        private IntWritable mapOutValue = new IntWritable();
    
        @Override
        public  void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException { 
    //自定义我们的计数器，这里实现了统计map数据数据的条数
            Counter counter = context.getCounter("MR_COUNT", "MapRecordCounter");
            counter.increment(1L);
    
            String lineValue = value.toString();
            String[] strs = lineValue.split("\t");
    
            //设置组合key和value ==> <(key,value),value>
            mapOutKey.set(strs[0], Integer.valueOf(strs[1]));
            mapOutValue.set(Integer.valueOf(strs[1]));
            context.write(mapOutKey, mapOutValue);
        }
    }

运行程序之后就可以看到我们自定义的计数器在map阶段读取了七条数据  
![在这里插入图片描述][20190320194428318.png]

### 3.2.2 第二种方式定义计数器 ###

通过enum枚举类型来定义计数器  
统计reduce端数据的输入的key有多少个，对应的value有多少个

ublic class SortReducer extends Reducer<PairWritable,IntWritable,Text,IntWritable> { 
    
        private Text outPutKey = new Text();
        public static enum Counter{ 
            REDUCE_INPUT_RECORDS, REDUCE_INPUT_VAL_NUMS,
        }
        @Override
        public void reduce(PairWritable key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException { 
            context.getCounter(Counter.REDUCE_INPUT_RECORDS).increment(1L);
            //迭代输出
            for(IntWritable value : values) { 
                context.getCounter(Counter.REDUCE_INPUT_VAL_NUMS).increment(1L);
                outPutKey.set(key.getFirst());
                context.write(outPutKey, value);
            }
        }
    }

![在这里插入图片描述][20190320194532691.png]

# 4. MapReduce当中的规约的过程 #

*  规约是我们的第五步：mapreduce当中的调优的过程，主要是为了减少发送到redcue端key2的数据量，提前在每个maptask数据的数据进行一次聚合
 *  天龙八部  
    输入  
    map  
    分区  
    排序  
    规约：mapreduce当中调优的手段。combiner就是一个reducer的程序、combiner是运行在map端的一个reduce程序，reducer是真正运行在reduce端的一个程序  
    分组  
    reduce  
    输出
 *  具体实现  
    1、自定义一个 combiner 继承 Reducer，重写 reduce 方法  
    2、在 job 中设置： job.setCombinerClass(CustomCombiner.class)

# 5. 分区注意事项 #

*  一个reduceTask对应一个输出文件
 *  如果显示的手动指定分区号，并且reduceTask的个数大于分区的个数，就会产生空文件
    
     *  reduceTask的个数可以大于分区的个数
     *  如果显示的手动指定分区号，并且reduceTask的个数小于分区的个数，会报错
     *  如果显示的手动指定分区号 ，reduceTask的个数要大于等于分区的个数  
        ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjY0MTkwOQ_size_16_color_FFFFFF_t_70 5]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjY0MTkwOQ_size_16_color_FFFFFF_t_70]: /images/20220302/fa39c19070ad4e1f9e26fa1729766bde.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjY0MTkwOQ_size_16_color_FFFFFF_t_70 1]: /images/20220302/41e50467587f4cc9989358825d6b1f42.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjY0MTkwOQ_size_16_color_FFFFFF_t_70 2]: /images/20220302/d7407b428a2742019c33c94d18e8265b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjY0MTkwOQ_size_16_color_FFFFFF_t_70 3]: /images/20220302/bf5398b8211e4de2a957fc8ac800c4b5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjY0MTkwOQ_size_16_color_FFFFFF_t_70 4]: /images/20220302/1b691545d8d24f09a4c78196f3f70649.png
[20190320194428318.png]: /images/20220302/10bbee5d44f1453d846b3dfe76865a05.png
[20190320194532691.png]: /images/20220302/9520301872ca4a618e469788ec2cdd82.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjY0MTkwOQ_size_16_color_FFFFFF_t_70 5]: /images/20220302/fd7c21f897534d66b60c3f95377f7dbd.png