Hadoop解析--MapReduce
从本篇博客開始咱们一起来具体了解Hadoop的每一个部分。我们在上篇博客中介绍了HDFS,MapReduce,MapReduce为了更有效率事实上是建立在HDFS之上的。有了分布式的文件系统,我们就能在这个系统之上更有效率地进行分布式的计算。我们看看它是咱么实现更优秀的分布式计算。
优势
第一。限制大小
由于HDFS对本地的文件大小做了限制,这样我们本地一个任务处理的量是有限的。尽管我们能够改变这个值。可是也为更好的运行任务打下了坚实的基础,分片的处理方式。不不过分开。还有限制。这种思想使我们欠缺的,分开不过攻克了问你。而限制,是在优化解决方式。
第二。备份
HDFS对全部的文件,都会进行备份,这样就会降低非常多麻烦。我们以往对文件的备份还原一直是个头疼的问题。尤其是数据量上来之后。这件事情变得越来越不可控,而HDFS为计算数据做了备份。这样我们的失误率就会下降,在一台机器文件毁坏的情况下。不影响我们的计算,这就降低了查询日志的时间(相对传统数据库的备份策略)
第三。本地计算
MapReduce中,全部的计算,都是在本地完毕,及时有计算须要外来数据。也是集合好后完毕。这样保证了我们最高效的带宽利用。使我们对数据的处理能力随着集群数目的增大而线性增大。
第四,预处理
在计算的过程中,假设我们对数据的处理结果每次都要控制机进行汇总,和我们能够对计算出的数据,进行预处理,当然是预处理的效果好些,这样相当于减轻了控制机的压力。这种设计在前台js里也有涉及,我们通过js让客户机运行部分代码,减轻我们server的压力,这种效果,自然是比較优秀的!
第五,心跳
在MapReduce过程中。心跳对我们的帮助也非常大,它帮助我们维护计算的可靠性,帮助我们屏蔽一部分因机器故障造成的计算失败,相当于心跳是我们计算过程中主要的保证!
原理
那么mapreduce是怎么做的呢。我们看看这幅原理图:
再看看一些细节上的图,帮我们这里了解下详细是怎么执行的:
源代码
有了前面的认识。我们通过代码看看,我们要秉着一个原则,就是这是简单的分治法的应用。所以这一切都不复杂,map就是分治法的分。reduce就是分治法的治,将大问题打散成小问题,最后整合小问题的结果:
map:
public static class Map extends MapReduceBase implements
Mapper<LongWritable, Text, Text, IntWritable> {
private final static IntWritable one = new IntWritable(1);
private Text word = new Text();
public void map(LongWritable key, Text value,
OutputCollector<Text, IntWritable> output, Reporter reporter)
throws IOException {
String line = value.toString();
StringTokenizer tokenizer = new StringTokenizer(line);
while (tokenizer.hasMoreTokens()) {
word.set(tokenizer.nextToken());
output.collect(word, one);
}
}
}
reduce:
public static class Reduce extends MapReduceBase implements
Reducer<Text, IntWritable, Text, IntWritable> {
public void reduce(Text key, Iterator<IntWritable> values,
OutputCollector<Text, IntWritable> output, Reporter reporter)
throws IOException {
int sum = 0;
while (values.hasNext()) {
sum += values.next().get();
}
output.collect(key, new IntWritable(sum));
}
}
任务运行的方法:
public static void main(String[] args) throws Exception {
JobConf conf = new JobConf(WordCount.class);
conf.setJobName("wordcount");
conf.setOutputKeyClass(Text.class);
conf.setOutputValueClass(IntWritable.class);
conf.setMapperClass(Map.class);
conf.setCombinerClass(Reduce.class);
conf.setReducerClass(Reduce.class);
conf.setInputFormat(TextInputFormat.class);
conf.setOutputFormat(TextOutputFormat.class);
FileInputFormat.setInputPaths(conf, new Path(args[0]));
FileOutputFormat.setOutputPath(conf, new Path(args[1]));
JobClient.runJob(conf);
}
任务方法解析:
首先解说一下 Job 的 初始化过程 。
main 函数调用 Jobconf 类来对 MapReduce Job 进行初始化,然后调用 setJobName() 方法命名这个 Job 。
对Job进行合理的命名有助于 更快 地找到Job,以便在JobTracker和Tasktracker的页面中对其进行 监视 。
JobConf conf = new JobConf(WordCount. class ); conf.setJobName("wordcount" );
接着设置Job输出结果<key,value>的中key和value数据类型。由于结果是<单词,个数>。所以key设置为"Text"类型,相当于Java中String类型。
Value设置为"IntWritable"。相当于Java中的int类型。
conf.setOutputKeyClass(Text.class );
conf.setOutputValueClass(IntWritable.class );
然后设置Job处理的Map(拆分)、Combiner(中间结果合并)以及Reduce(合并)的相关处理类。这里用Reduce类来进行Map产生的中间结果合并。避免给网络传输数据产生压力。
conf.setMapperClass(Map.class );
conf.setCombinerClass(Reduce.class );
conf.setReducerClass(Reduce.class );
接着就是调用setInputPath()和setOutputPath()设置输入输出路径。
conf.setInputFormat(TextInputFormat.class );
conf.setOutputFormat(TextOutputFormat.class );
总结:
不论什么技术都是一种思想的体现,而这个世界。我们最主要的一个算法就是分治法。这是我们拿在手里的一本百科全书,差点儿能够解决我们80%的问题。而性能的问题尤其如此,我们经过了几百万年的演变,我们成为了地球上的强大智慧生物,我们本身就具有几百万年延续自己生命的强大竞争力。及我们几千年文明的积淀。我们如今遇到的问题,前人用文字书写在书上,我们一定能够找到。或者我们如今的生活,这个社会,也一定有这个问题的缩影。
最新文章
- EI Index
- js检测浏览器屏幕宽度
- Extjs各版本的下载链接
- jsp 页面 jstl 日期的计算
- 团队项目之Sprint计划会议
- iOS 判断只有数字、小数点和减号
- linux route命令学习
- android 界面布局
- EBS开发之环境迁移
- (二)juc线程高级特性——CountDownLatch / Callable / Lock
- java模拟表单上传文件,java通过模拟post方式提交表单实现图片上传功能实例
- 【LeetCode】 617. 合并二叉树
- GIT的使用及心得
- 动态规划:树形DP-选课(树形背包)
- C# Func的同步、异步调用
- svn 使用笔记(一)
- Ubuntu 16.04 LTS 安装libvips出现”Package vips was not found in the pkg-config search path”
- 从零开始编写深度学习库(五)PoolingLayer 网络层CPU编写
- CNN学习笔记:激活函数
- Unity3D学习笔记——NGUI之UIPopupList