实验四MapReduce初级编程实践

1.编程实现文件合并和去重操作
对于两个输入文件，即文件A和文件B,编写MapReduce程序，对两个文件进行合并， 并剔除其中重复的内容，得到一个新的输出文件C。下面是输入文件和输出文件的一个样 例供参考。
输入文件A的样例如下：

输入文件B的样例如下:

根据输入文件A和B合并得到的输出文件C的样例如下：

操作过程
1.启动 hadoop：

需要首先删除HDFS中与当前Linux用户hadoop对应的input和output目录（即HDFS中的“/opt/module/hadoop-3.1.3/input”和“/opt/module/hadoop-3.1.3/output”目录），这样确保后面程序运行不会出现问题

再在HDFS中新建与当前Linux用户hadoop对应的input目录，即“/opt/module/hadoop-3.1.3/input”目录
创建A.txt B.txt,输入上述内容

将A,B上传到HDFS中

Java代码：

package com.xusheng.mapreduce.shiyan;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import java.io.IOException;

public class Merge {

    /**
     * @param xusheng
     * 对A,B两个文件进行合并，并剔除其中重复的内容，得到一个新的输出文件C
     */
    //重载map函数，直接将输入中的value复制到输出数据的key上
    public static class Map extends Mapper<Object, Text, Text, Text>{
        private static Text text = new Text();
        public void map(Object key, Text value, Context context) throws IOException,InterruptedException{
            text = value;
            context.write(text, new Text(""));
        }
    }

    //重载reduce函数，直接将输入中的key复制到输出数据的key上
    public static class Reduce extends Reducer<Text, Text, Text, Text>{
        public void reduce(Text key, Iterable<Text> values, Context context ) throws IOException,InterruptedException{
            context.write(key, new Text(""));
        }
    }

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

        // TODO Auto-generated method stub
        Configuration conf = new Configuration();
        //conf.set("fs.default.name","hdfs://localhost:9000");
        conf.set("fs.defaultFS","hdfs://hadoop102:8020");
        String[] otherArgs = new String[]{"/input/test1","/output/test1"}; //* 直接设置输入参数 *//*
        if (otherArgs.length != 2) {
            System.err.println("Usage: wordcount <in><out>");
            System.exit(2);
        }
        Job job = Job.getInstance(conf,"Merge and duplicate removal");
        job.setJarByClass(Merge.class);
        job.setMapperClass(Map.class);
        job.setCombinerClass(Reduce.class);
        job.setReducerClass(Reduce.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Text.class);
        FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
        FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }

}

结果：

2.编写程序实现对输入文件的排序
现在有多个输入文件，每个文件中的每行内容均为一个整数。要求读取所有文件中的 整数，进行升序排序后，输出到一个新的文件中，输出的数据格式为每行两个整数，第一个数 字为第二个整数的排序位次，第二个整数为原待排列的整数。下面是输入文件和输出文件 的一个样例供参考。
输入文件1的样例如下：

输入文件2的样例如下:

输入文件3的样例如下:

根据输入文件1、2和3得到的输出文件如下:

操作过程
1.创建1.txt ，2.txt ，3.txt,输入上述内容
再在HDFS中新建与当前Linux用户hadoop对应的input目录，即“/opt/module/hadoop-3.1.3/input”目录

将1.txt ，2.txt ，3.txt上传到HDFS中

Java代码：

package com.xusheng.mapreduce.shiyan;


import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Partitioner;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;


public class MergeSort {

    /**
     * @param xusheng
     * 输入多个文件，每个文件中的每行内容均为一个整数
     * 输出到一个新的文件中，输出的数据格式为每行两个整数，第一个数字为第二个整数的排序位次，第二个整数为原待排列的整数
     */
    //map函数读取输入中的value，将其转化成IntWritable类型，最后作为输出key
    public static class Map extends Mapper<Object, Text, IntWritable, IntWritable>{

        private static IntWritable data = new IntWritable();
        public void map(Object key, Text value, Context context) throws IOException,InterruptedException{
            String text = value.toString();
            data.set(Integer.parseInt(text));
            context.write(data, new IntWritable(1));
        }
    }

    //reduce函数将map输入的key复制到输出的value上，然后根据输入的value-list中元素的个数决定key的输出次数,定义一个全局变量line_num来代表key的位次
    public static class Reduce extends Reducer<IntWritable, IntWritable, IntWritable, IntWritable>{
        private static IntWritable line_num = new IntWritable(1);

        public void reduce(IntWritable key, Iterable<IntWritable> values, Context context) throws IOException,InterruptedException{
            for(IntWritable val : values){
                context.write(line_num, key);
                line_num = new IntWritable(line_num.get()   1);
            }
        }
    }

    //自定义Partition函数，此函数根据输入数据的最大值和MapReduce框架中Partition的数量获取将输入数据按照大小分块的边界，然后根据输入数值和边界的关系返回对应的Partiton ID
    public static class Partition extends Partitioner<IntWritable, IntWritable>{
        public int getPartition(IntWritable key, IntWritable value, int num_Partition){
            int Maxnumber = 65223;//int型的最大数值
            int bound = Maxnumber/num_Partition 1;
            int keynumber = key.get();
            for (int i = 0; i<num_Partition; i  ){
                if(keynumber<bound * (i 1) && keynumber>=bound * i){
                    return i;
                }
            }
            return -1;
        }
    }

    public static void main(String[] args) throws Exception{
        // TODO Auto-generated method stub
        Configuration conf = new Configuration();
        //conf.set("fs.default.name","hdfs://localhost:9000");
        conf.set("fs.defaultFS","hdfs://hadoop102:8020");
        String[] otherArgs = new String[]{"/input/test2","/output/test2"}; /* 直接设置输入参数 */
        if (otherArgs.length != 2) {
            System.err.println("Usage: wordcount <in><out>");
            System.exit(2);
        }
        Job job = Job.getInstance(conf,"Merge and sort");//实例化Merge类
        job.setJarByClass(MergeSort.class);//设置主类名
        job.setMapperClass(Map.class);//指定使用上述代码自定义的Map类
        job.setReducerClass(Reduce.class);//指定使用上述代码自定义的Reduce类
        job.setPartitionerClass(Partition.class);
        job.setOutputKeyClass(IntWritable.class);
        job.setOutputValueClass(IntWritable.class);//设定Reduce类输出的<K,V>,V类型
        FileInputFormat.addInputPath(job, new Path(otherArgs[0]));//添加输入文件位置
        FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));//设置输出结果文件位置
        System.exit(job.waitForCompletion(true) ? 0 : 1);//提交任务并监控任务状态

    }
}

结果：

3.对给定的表格进行信息挖掘
下面给出一个child-parent的表格，要求挖掘其中的父子关系，给出祖孙关系的表格。 输入文件内容如下：

输出文件内容如下:

操作过程
1.创建child.txt,输入上述内容
再在HDFS中新建与当前Linux用户hadoop对应的input目录，即“/opt/module/hadoop-3.1.3/input”目录

2. 将child.txt上传到HDFS中

Java代码：

package com.xusheng.mapreduce.shiyan;

import java.io.IOException;
import java.util.*;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;

public class simple_data_mining {
    public static int time = 0;

    /**
     * @param xusheng
     * 输入一个child-parent的表格
     * 输出一个体现grandchild-grandparent关系的表格
     */
    //Map将输入文件按照空格分割成child和parent，然后正序输出一次作为右表，反序输出一次作为左表，需要注意的是在输出的value中必须加上左右表区别标志
    public static class Map extends Mapper<Object, Text, Text, Text>{
        public void map(Object key, Text value, Context context) throws IOException,InterruptedException{
            String child_name = new String();
            String parent_name = new String();
            String relation_type = new String();
            String line = value.toString();
            int i = 0;
            while(line.charAt(i) != ' '){
                i  ;
            }
            String[] values = {line.substring(0,i),line.substring(i 1)};
            if(values[0].compareTo("child") != 0){
                child_name = values[0];
                parent_name = values[1];
                relation_type = "1";//左右表区分标志
                context.write(new Text(values[1]), new Text(relation_type " " child_name " " parent_name));
                //左表
                relation_type = "2";
                context.write(new Text(values[0]), new Text(relation_type " " child_name " " parent_name));
                //右表
            }
        }
    }

    public static class Reduce extends Reducer<Text, Text, Text, Text>{
        public void reduce(Text key, Iterable<Text> values,Context context) throws IOException,InterruptedException{
            if(time == 0){   //输出表头
                context.write(new Text("grand_child"), new Text("grand_parent"));
                time  ;
            }
            int grand_child_num = 0;
            String grand_child[] = new String[10];
            int grand_parent_num = 0;
            String grand_parent[]= new String[10];
            Iterator ite = values.iterator();
            while(ite.hasNext()){
                String record = ite.next().toString();
                int len = record.length();
                int i = 2;
                if(len == 0) continue;
                char relation_type = record.charAt(0);
                String child_name = new String();
                String parent_name = new String();
                //获取value-list中value的child

                while(record.charAt(i) != ' '){
                    child_name = child_name   record.charAt(i);
                    i  ;
                }
                i=i 1;
                //获取value-list中value的parent
                while(i<len){
                    parent_name = parent_name record.charAt(i);
                    i  ;
                }
                //左表，取出child放入grand_child
                if(relation_type == '1'){
                    grand_child[grand_child_num] = child_name;
                    grand_child_num  ;
                }
                else{//右表，取出parent放入grand_parent
                    grand_parent[grand_parent_num] = parent_name;
                    grand_parent_num  ;
                }
            }

            if(grand_parent_num != 0 && grand_child_num != 0 ){
                for(int m = 0;m<grand_child_num;m  ){
                    for(int n=0;n<grand_parent_num;n  ){
                        context.write(new Text(grand_child[m]), new Text(grand_parent[n]));
                        //输出结果
                    }
                }
            }
        }
    }
    public static void main(String[] args) throws Exception{
        // TODO Auto-generated method stub
        Configuration conf = new Configuration();
        //conf.set("fs.default.name","hdfs://localhost:9000");
        conf.set("fs.default.name","hdfs://hadoop102:8020");
        String[] otherArgs = new String[]{"/input/test3","/output/test3"}; /* 直接设置输入参数 */
        if (otherArgs.length != 2) {
            System.err.println("Usage: wordcount <in><out>");
            System.exit(2);
        }
        Job job = Job.getInstance(conf,"Single table join");
        job.setJarByClass(simple_data_mining.class);
        job.setMapperClass(Map.class);
        job.setReducerClass(Reduce.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Text.class);
        FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
        FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
        System.exit(job.waitForCompletion(true) ? 0 : 1);

    }
}

结果：

这篇好文章是转载于：学新通技术网