YARN集群的mapreduce测试（五）

将user表计算后的结果分区存储

测试准备：

首先同步时间，然后master先开启hdfs集群，再开启yarn集群；用jps查看：

master上：先有NameNode、SecondaryNameNode;再有ResourceManager;

slave上：先有DataNode；再有NodeManager；

如果master启动hdfs和yarn成功，但是slave节点有的不成功，则可以使用如下命令手动启动：

hadoop-daemon.sh start datanode

yarn-daemon.sh start nodemanager

然后在集群的主机本地环境创建myinfo.txt；内容如下：

然后将测试文件myinfo.txt上传到集群中：

测试目标：

hadoop集群分区及缓存：
1、分区是必须要经历Shuffle过程的，没有Shuffle过程无法完成分区操作
2、分区是通过MapTask输出的key来完成的，默认的分区算法是数组求模法：

数组求模法：
将Map的输出Key调用hashcode（）函数得到的哈希吗（hashcode），此哈希吗是一个数值类型，将此哈希吗数值直接与整数的最大值（Integer.MAXVALUE）取按位与（&）操作，将与操作的结果与ReducerTask
的数量取余数，将此余数作为当前Key落入的Reduce节点的索引;
-------------------------
Integer mod = (Key.hashCode()&Integer.MAXVALUE)%NumReduceTask;
被除数=34567234
NumReduceTas=3
------结果：
0、1、2 这三个数作为Reduce节点的索引；
数组求模法是有HashPartitioner类来实现的，也是MapReduce分区的默认算法；

测试代码：

 package com.mmzs.bigdata.yarn.mapreduce;

 import java.io.IOException;

 import org.apache.hadoop.io.LongWritable;

 import org.apache.hadoop.io.Text;

 import org.apache.hadoop.mapreduce.Mapper;

 public class PartitionMapper extends Mapper<LongWritable, Text,LongWritable, Text>{

     private LongWritable outKey;

     private Text outValue;

     @Override

     protected void setup(Mapper<LongWritable, Text, LongWritable, Text>.Context context)

             throws IOException, InterruptedException {

         outKey = new LongWritable();

         outValue= new Text();

     }

     @Override

     protected void cleanup(Mapper<LongWritable, Text, LongWritable, Text>.Context context)

             throws IOException, InterruptedException {

         outKey=null;

         outValue=null;

     }

     @Override

     protected void map(LongWritable key, Text value,

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

             throws IOException, InterruptedException {

         String[] fields=value.toString().split("\\s+");

         Long userId=Long.parseLong(fields[0]);

         outKey.set(userId);

         outValue.set(new StringBuilder(fields[1]).append("\t").append(fields[2]).toString());

         context.write(outKey, outValue);

     }

 }

PartitionMapper

 package com.mmzs.bigdata.yarn.mapreduce;

 import org.apache.hadoop.io.LongWritable;

 import org.apache.hadoop.mapreduce.Partitioner;

 public class MyPartitoner extends Partitioner {

     @Override

     public int getPartition(Object key, Object value, int num) {

         LongWritable userId=(LongWritable)key;

         Long userCode=userId.get();

         //分区的依据

         if(userCode<6){

             return 0;

         }else if(userCode<10){

             return 1;

         }else{

             return 2;

         }

     }

 }

MyPartitoner

 package com.mmzs.bigdata.yarn.mapreduce;

 import java.io.IOException;

 import java.util.Iterator;

 import org.apache.hadoop.io.LongWritable;

 import org.apache.hadoop.io.Text;

 import org.apache.hadoop.mapreduce.Reducer;

 public class PartitionReducer extends Reducer<LongWritable, Text, LongWritable, Text>{

     @Override

     protected void cleanup(Reducer<LongWritable, Text, LongWritable, Text>.Context context)

             throws IOException, InterruptedException {

         super.cleanup(context);

     }

     @Override

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

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

             Iterator<Text> its= values.iterator();

             if(its.hasNext()){

                 context.write(key, its.next());

             }

     }

     @Override

     protected void setup(Reducer<LongWritable, Text, LongWritable, Text>.Context context)

             throws IOException, InterruptedException {

         super.setup(context);

     }

 }

PartitionReducer

 package com.mmzs.bigdata.yarn.mapreduce;

 import java.io.IOException;

 import java.net.URI;

 import java.net.URISyntaxException;

 import org.apache.hadoop.conf.Configuration;

 import org.apache.hadoop.fs.FileSystem;

 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.lib.input.FileInputFormat;

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

 public class ParititionDriver {

 private static FileSystem fs;

     private static Configuration conf;

     static{

         String uri="hdfs://master01:9000/";

         conf=new Configuration();

         try {

             fs=FileSystem.get(new URI(uri),conf,"hadoop");

         } catch (IOException e) {

             // TODO Auto-generated catch block

             e.printStackTrace();

         } catch (InterruptedException e) {

             // TODO Auto-generated catch block

             e.printStackTrace();

         } catch (URISyntaxException e) {

             // TODO Auto-generated catch block

             e.printStackTrace();

         }

     }

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

         Job wcJob =getJob(args);

         if(null==wcJob)return;

                 /*

                  *提交Job到集群并等到Job运行完成，参数true表示将Job的运行是状态信息返回到

                  *客户端控制台输出，返回值的布尔值代表Job是否运行成功

                  */

                 boolean flag=wcJob.waitForCompletion(true);

                 System.exit(flag?0:1);

     }

     public static Job getJob(String[] args) throws Exception{

         if(null==args||args.length<2)return null;

         //放置需要处理的数据所在的HDFS路径

         Path inputPath=new Path(args[0]);

         //放置Job作业执行完成之后其处理结果的输出路径

         Path ouputPath=new Path(args[1]);

         //如果输出目录已经存在则将其删除并重建

         if(!fs.exists(inputPath))return null;

         if(fs.exists(ouputPath)){

             fs.delete(ouputPath,true);

         }

         //获取Job实例

         Job wcJob=Job.getInstance(conf, "PartitionerJob");

         //设置运行此jar包的入口类

         wcJob.setJarByClass(ParititionDriver.class);

         //设置job调用的Mapper类

         wcJob.setMapperClass(PartitionMapper.class);

         //设置job调用的Reducer类（如果一个job没有ReduceTask则此条语句可以不掉用）

         wcJob.setReducerClass(PartitionReducer.class);

         //设置MapTask的输出值类型

         wcJob.setMapOutputKeyClass(LongWritable.class);

         //设置MapTask的输出键类型

         wcJob.setMapOutputValueClass(Text.class);

         //设置整个Job的输出键类型

         wcJob.setOutputKeyClass(LongWritable.class);

         //设置整个Job的输出值类型

         wcJob.setOutputValueClass(Text.class);

         //设置分区类

         wcJob.setPartitionerClass(MyPartitoner.class);

         wcJob.setNumReduceTasks(3);//这个数字和MyPartitioner类中的三种分区依据相对应

         //如果将数字调整大了，那么只有分区依据的前三个文件有内容，多出任务对应的仅仅是个空分区、空文件；

         //如果将数字调整小了，那么将得不到任何一个分区结果

         //设置整个Job需要处理数据的输入路径

         FileInputFormat.setInputPaths(wcJob, inputPath);

         //设置整个Job需要计算结果的输出路径

         FileOutputFormat.setOutputPath(wcJob, ouputPath);

         return wcJob;

     }

 }

 ParititionDriver

ParititionDriver

测试结果：

运行时传入参数是：

如果在客户端eclipse上运行：传参需要加上集群的master的uri即 hdfs://master01:9000

输入路径参数： /data/partition/src

输出路径参数： /data/partition/dst

深入测试：（修改PartitionDriver类的如下代码）

//设置分区类

wcJob.setPartitionerClass(MyPartitoner.class);

wcJob.setNumReduceTasks(3);//这个数字和MyPartitioner类中的三种分区依据相对应

//如果将数字调整大了（比如调整为4），那么只有分区依据的前三个文件有内容，多出任务对应的仅仅是个空分区、空文件；

//如果将数字调整小了（比如调整为2），那么将得不到任何一个分区结果

小结：

1、数据量需要达到一定的数量级使用hadoop集群来处理才是划算的
2、集群的计算性能取决于任务数量的多少，设置任务数量必须充分考虑到集群的计算能力（比如：物理节点数量）;
a、Map设置的任务数量作为最小值参考
b、Reduce的任务数默认是1（使用的也是默认的Partitioner类），如果设置了则启动设置的数量；
不管MapTask还是ReduceTask，只要任务数量越多则并发能力越强，处理效率会在一定程度上越高，但是设置的任务数量必须参考集群中的物理节点数量，如果设置的任务数量过多，会导致每个物理节点上分摊的任务数量越多，处理器并发每一个任务产生的计算开销越大，任务之间因处理负载导致相互之间的影响非常大，任务失败率上升(任务失败时会重新请求进行计算，最多重新请求3次)，计算性能反而下降，因此在设计MapTask与ReduceTask任务数量时必须权衡利弊，折中考虑...

巴特西

YARN集群的mapreduce测试（五）

最新文章

热门文章