先晓得是什么，再去理解为什么

MapReduce 入门概述

MapReduce 定义

MapReduce 是一个基于 Hadoop 的分布式运算程序的编程框架

​ 它的外围性能是将用户编写的业务逻辑代码和自带的组件组合成为一个残缺的分布式运算程序，并发的运行在 Hadoop 集群上。

MapReduce 长处

• MapReduce 易于编程 ：简略的实现一些接口就能够实现分布式程序，并且这个分布式程序能够散布到大量便宜的 PC 机器上执行。
• 良好的扩展性 ：加机器就能够减少计算能力
• 高容错性 ：所谓容错就是当零碎中一台机器故障时候，有一种机制能够将任务分配到新机器上而后持续运行，这个过程是不须要人工干预的
• 适宜 PB 级上数据的离线解决 ：大数据的稳固解决

MapReduce 毛病

• 不善于实时计算 ：MapReduce 不能像 Mysql，在毫秒级或秒级返回后果
• 不善于流式计算 ：流式计算输出数据是动静的，连续不断的，然而 MR 解决的数据肯定是动态的，这是由设计决定的
• 不善于 DAG 计算 ：多个工作具备依赖关系，后者输出依赖前者输入，这种活 MR 不善于，读写磁盘太多性能降落

MapReduce 统计单词过程

默认是依照 128M 进行数据切块哦

在上图过程一共有三种：

• APPMaster：负责整个程序的过程调度和状态协调
• MapTask：负责 Map 阶段的整个数据处理流程
• ReduceTask：负责 Reduce 阶段的整个数据处理流程

MapReduce 编程套路

咱们编写的局部根本分为三个：Mapper，Reducer 和 Driver

Map 阶段

（1）用户自定义 Mapper 要继承的父类

（2）Mapper 的输出数据格式是 KV 对

（3）Mapper 中业务逻辑写在 map() 办法中【map() 对每个 KV 对调用一次】

（4）Mapper 的输入数据格式也是 KV 对

Reducer 阶段

（1）用户自定义 Reducer 继承本人的父类

（2）Reducer 的输出数据类型对应 Mapper 的输入数据类型，也是 KV

（3）Reduce 业务逻辑写在 reduce() 办法中【reduce() 对每个 KV 对调用一次】

Driver 阶段

相当于 YARN 集群的客户端，等等程序写完，须要通过它把整个程序提交到 YARN 集群上

HELLO WORLD 案例

需要

统计文件中单词的呈现的词频

Mapper 代码

public class WordcountMapper extends Mapper<LongWritable, Text, Text, IntWritable>{Text k = new Text();
    IntWritable v = new IntWritable(1);
    
    @Override
    protected void map(LongWritable key, Text value, Context context)    throws IOException, InterruptedException {
        
        // 1 获取一行
        String line = value.toString();
        
        // 2 切割
        String[] words = line.split(" ");
        
        // 3 输入
        for (String word : words) {k.set(word);
            context.write(k, v);
        }
    }
}

Reducer 阶段

public class WordcountReducer extends Reducer<Text, IntWritable, Text, IntWritable>{

int sum;
IntWritable v = new IntWritable();

    @Override
    protected void reduce(Text key, Iterable<IntWritable> values,
            Context context) throws IOException, InterruptedException {
        
        // 1 累加求和
        sum = 0;
        for (IntWritable count : values) {sum += count.get();
        }
        
        // 2 输入
       v.set(sum);
        context.write(key,v);
    }
}

Driver 驱动类

public class WordcountDriver {public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {

// 输入输出门路须要依据本人电脑上理论的输入输出门路设置
// 留神这里是在 win 下跑，如果放到集群上门路须要更改
args = new String[] { "e:/input/inputword", "e:/output1"};

        // 1 获取配置信息以及封装工作
        Configuration configuration = new Configuration();
        Job job = Job.getInstance(configuration);

        // 2 设置 jar 加载门路
        job.setJarByClass(WordcountDriver.class);

        // 3 设置 map 和 reduce 类
        job.setMapperClass(WordcountMapper.class);
        job.setReducerClass(WordcountReducer.class);

        // 4 设置 map 输入
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);

        // 5 设置 Reduce 输入
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        
        // 6 设置输出和输入门路
        FileInputFormat.setInputPaths(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));

        // 7 提交
        boolean result = job.waitForCompletion(true);

        System.exit(result ? 0 : 1);
    }
}