关于mapreduce程序开发的一些总结
Posted 八斗大数据
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了关于mapreduce程序开发的一些总结相关的知识,希望对你有一定的参考价值。
直接进入正题,简单说下mapreduce程序的一些总结。
mapreduce在编程的时候,基本上一个固化的模式,没有太多可灵活改变的地方,除了以下几个地方。
输入数据接口
InputFormat→FileInputFormat(文件类型数据读取的通用抽象类)
InputFormat→DBInputFormat (数据库数据读取的通用抽象类)
默认使用的实现类是:TextInputFormat
TextInputFormat的功能逻辑是:一次读一行文本,然后将该行的起始偏移量作为key,行内容作为value返回
逻辑处理接口: Mapper
完全需要用户自己去实现其中 map() setup() clean()
map输出结果在shuffle阶段会被partition以及sort,此处有两个接口可自定义
1、Partitioner:默认实现 HashPartitioner,逻辑是根据key和numReduces来返回一个分区号,通常情况下,用默认的这个HashPartitioner就可以,如果业务上有特别的需求,可以自定义
2、Comparable:当我们用自定义的对象作为key来输出时,就必须要实现WritableComparable接口,override其中的compareTo()方法
reduce端的数据分组比较接口:Groupingcomparator
reduceTask拿到输入数据(一个partition的所有数据)后,首先需要对数据进行分组,其分组的默认原则是key相同,然后对每一组kv数据调用一次reduce()方法,并且将这一组kv中的第一个kv的key作为参数传给reduce的key,将这一组数据的value的迭代器传给reduce()的values参数
利用上述这个机制,我们可以实现一个高效的分组取最大值的逻辑:
自定义一个bean对象用来封装我们的数据,然后改写其compareTo方法产生倒序排序的效果
然后自定义一个Groupingcomparator,将bean对象的分组逻辑改成按照我们的业务分组id来分组(比如订单号)
这样,我们要取的最大值就是reduce()方法中传进来key
逻辑处理接口:Reducer
完全需要用户自己去实现其中 reduce() setup() clean()
输出数据接口: OutputFormat
有一系列子类:FileOutputformat DBoutputFormat 等等
默认实现类是:TextOutputFormat
功能逻辑是: 将每一个KV对向目标文本文件中输出为一行
看完,我们玩个小游戏吧~~
以上是关于关于mapreduce程序开发的一些总结的主要内容,如果未能解决你的问题,请参考以下文章