文章目录
- MapReduce 编程：join操作和聚合操作
- 一、实验目标
- 二、实验要求及注意事项
- 三、实验内容及步骤
- 附：系列文章
MapReduce 编程：join操作和聚合操作
一、实验目标
- 理解MapReduce计算框架的分布式处理工作流程
- 掌握用mapreduce计算框架实现Map端的本地聚合操作
- 掌握MapReduce编程的map端join操作
二、实验要求及注意事项
- 给出每个实验的主要实验步骤、实现代码和测试效果截图。
- 对本次实验工作进行全面的总结分析。
- 所有程序需要本地测试和集群测试，给出相应截图。
- 建议工程名，类名或包名等做适当修改，显示个人学号或者姓名
三、实验内容及步骤
实验任务1：使用MapReduce编程，如果涉及到join操作，一般使用的是reduce端的join；但如果其中一个文件较小，可以将其添加到分布式缓存当中去，在map阶段时，每一个map task开始运行前，先从分布式缓存中取出此小文件，在map方法中对数据进行join操作，即map join操作。本实验使用的输入文件分别是uid-list和sogou，uid-lis保存着搜索过“电影”的用户的UID（比较小），sogou是日志文件；对于处于uid-list中的用户，把他们在sogou日志文件中的uid及搜索关键词输出到HDFS。实现效果如图1和图2所示。
主要实现步骤和运行效果图：
（1）进入虚拟机并启动Hadoop集群，完成文件上传。
（2）启动Eclipse客户端，新建一个java工程；在该工程中创建package，导入jar包，完成环境配置，依次创建包、Mapper类，Reducer类和主类等；
（3）完成代码编写。
JoinMap
package hadoop;
import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;
import java.util.HashMap;
import java.util.Map;import org.apache.hadoop.mapreduce.*;
import org.apache.hadoop.io.*;public class WjwJoinMap extends Mapper<Object, Text, Text, Text>{private Map<String, Integer> map = new HashMap<String, Integer>();private Text uid = new Text();protected void setup(Context context) throws IOException, InterruptedException{@SuppressWarnings("resource")BufferedReader br = new BufferedReader(new FileReader("uuid"));String line = null;while((line=br.readLine())!=null){System.out.println(line);map.put(line.trim(), 1);}}protected void map(Object key, Text value, Context context) throws IOException, InterruptedException{String[] arr = value.toString().split("\t");String keyword = arr[2];if(arr[1]!=null && map.get(arr[1])!=null){uid.set(arr[1]);context.write(uid, new Text(keyword));}}}
JoinMain
package hadoop;import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;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.lib.input.*;
import org.apache.hadoop.mapreduce.lib.output.*;public class WjwJoinMain {public static void main(String[] args) throws IOException, URISyntaxException, ClassNotFoundException, InterruptedException{if(args==null || args.length!=3){System.out.println("error");System.exit(0);}Job job = Job.getInstance(new Configuration(), "WjwJoinMain");job.setJarByClass(WjwJoinMain.class);job.setMapperClass(WjwJoinMap.class);job.setNumReduceTasks(0);job.setOutputKeyClass(Text.class);job.setOutputValueClass(Text.class);Path path = new Path(args[0]);String pathLink = path.toUri().toString() + "#uuid";job.addCacheFile(new URI(pathLink));FileInputFormat.addInputPath(job, new Path(args[1]));FileOutputFormat.setOutputPath(job, new Path(args[2]));job.waitForCompletion(true);}}
（4）测试程序，并查看输出结果。
实验任务2： Map端本地聚合，读取文本文件/home/zkpk/word.txt，进行单词计数，为了减少网络传输数据量，且使用本地聚合不会影响最终结果，在map端进行本地聚合。
主要实现步骤和运行效果图：
（1）进入虚拟机并启动Hadoop集群，完成文件上传。
（2）启动Eclipse客户端，新建一个java工程；在该工程中创建package，导入jar包，完成环境配置，依次创建包、Mapper类，Reducer类和主类等；
（3）完成代码编写。
WordMap
package hadoop;import org.apache.hadoop.mapreduce.Mapper;import java.io.IOException;import org.apache.hadoop.io.*;public class WjwWordMap extends Mapper<Object, Text, Text, IntWritable>{public void map(Object key, Text value, Context context) throws IOException, InterruptedException{String arr[] = value.toString().split(" ");for(String word:arr){context.write(new Text(word), new IntWritable(1));}}
}
WordReduce
package hadoop;import java.io.IOException;import org.apache.hadoop.io.*;
import org.apache.hadoop.mapreduce.Reducer;public class WjwWordReduce extends Reducer<Text, IntWritable, Text, IntWritable>{protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException{int sum = 0;for(IntWritable val:values){sum += val.get();}context.write(key, new IntWritable(sum));}}
WordMain
package hadoop;import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;import java.io.IOException;import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.*;public class WjwWordMain {public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException{if(args==null || args.length!=2){System.out.println("error");}Job job = Job.getInstance(new Configuration(), "WjwWordMain");job.setJarByClass(WjwWordMain.class);job.setMapperClass(WjwWordMap.class);job.setCombinerClass(WjwWordReduce.class);job.setReducerClass(WjwWordReduce.class);job.setOutputKeyClass(Text.class);job.setOutputValueClass(IntWritable.class);FileInputFormat.addInputPath(job, new Path(args[0]));FileOutputFormat.setOutputPath(job, new Path(args[1]));job.waitForCompletion(true);}}
（4）测试程序，并查看输出结果。
附：系列文章
| 实验 | 文章目录 | 直达链接 |
|---|---|---|
| 实验01 | Hadoop安装部署 | https://want595.blog.csdn.net/article/details/132767284 |
| 实验02 | HDFS常用shell命令 | https://want595.blog.csdn.net/article/details/132863345 |
| 实验03 | Hadoop读取文件 | https://want595.blog.csdn.net/article/details/132912077 |
| 实验04 | HDFS文件创建与写入 | https://want595.blog.csdn.net/article/details/133168180 |
| 实验05 | HDFS目录与文件的创建删除与查询操作 | https://want595.blog.csdn.net/article/details/133168734 |
| 实验06 | SequenceFile、元数据操作与MapReduce单词计数 | https://want595.blog.csdn.net/article/details/133926246 |
| 实验07 | MapReduce编程：数据过滤保存、UID 去重 | https://want595.blog.csdn.net/article/details/133947981 |
| 实验08 | MapReduce 编程：检索特定群体搜索记录和定义分片操作 | https://want595.blog.csdn.net/article/details/133948849 |
| 实验09 | MapReduce 编程：join操作和聚合操作 | https://want595.blog.csdn.net/article/details/133949148 |
| 实验10 | MapReduce编程：自定义分区和自定义计数器 | https://want595.blog.csdn.net/article/details/133949522 |
