ToB企服应用市场:ToB评测及商务社交产业平台
标题: VMware centos7下通过idea实现Hadoop MapReduce经典案例之一的TopN案例 [打印本页]
作者: 水军大提督 时间: 2024-6-19 02:24
标题: VMware centos7下通过idea实现Hadoop MapReduce经典案例之一的TopN案例
一：案例需求
现假设有数据文件num.txt，现要求利用MapReduce技术提取上述文本中最大的5个数据，并最终将结果汇总到一个文件中。先设置MapReduce分区为1，即ReduceTask个数肯定只有一个。我们需要提取TopN，即全局的前N条数据，不管中间有几个Map、Reduce，最终只能有一个用来汇总数据。在Map阶段，利用TreeMap数据结构保存TopN的数据，TreeMap默认会根据其键的自然顺序举行排序，也可根据创建映射时提供的 Comparator举行排序，其firstKey()方法用于返回当前集合最小值的键。在Reduce阶段，将Map阶段输出数据举行汇总，选出其中的TopN数据，即可满足需求。这里需要注意的是，TreeMap默认接纳正序排列，需求是提取5个最大的数据，因此要重写Comparator类的排序方法举行倒序排序。
二：案例实施
第一步：下载idea以及需要的工具，可以参考Centos7安装并利用IntelliJ IDEA这篇文章。注意下载Linux版本。
第二步：下载并安装完idea，先启动Hadoop，利用命令：start-all.sh 启动完成后利用jps检察Hadoop集群是否启动乐成。启动Hadoop乐成后启动idea。
第三步：在假造机上创建文本文件
1.expor目次下创建topn目次，输入命令：mkdir /export/topn
2.在topn目次下创建num.txt文件，输入命令：touch /export/topn/num.txt
3输入命令：vim /export/topn/num.txt
向num.txt文件添加如下内容：
10 3 8 7 6 5 1 2 9 4
11 12 17 14 15 20
19 18 13 16
4上传文件到HDFS指定目次
（1）创建/topn/input目次，输入命令：hdfs dfs -mkdir -p /topn/input
（2）将文本文件num.txt，上传到HDFS的/topn/input目次，输入命令：hdfs dfs -put /export/topn/num.txt /topn/input
（3）在hadoop webui检察文件是否上传乐成。
注意：这时间你要检察是否可以下载到本机，如果不可以下载的话，参考我另一篇文章。
三：Map阶段实现
利用IntelliJ开辟工具创建Maven项目TopN，而且新建net.hw.mr包，在该路径下编写自界说Mapper类TopNMapper，主要用于将文件中的每行数据举行切割提取，并把数据保存到TreeMap中，判定TreeMap是否大于5，如果大于5就需要移除最小的数据。TreeMap保存了当前文件最大5条数据后，再输出到Reduce阶段。
（1）创建Maven项目：TopN
1.在idea左上角新建项目。包名：net.army.mr设置好如下图，单击【Create】按钮
2.删除【Main】主类：右击【Main】类，单击【Delete】
3.添加相关依赖，在pom.xml文件里添加hadoop和junit依赖，添加内容如下：
<dependencies>
<!--hadoop客户端-->
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>3.3.4</version>
</dependency>
<!--单位测试框架-->
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.13.2</version>
</dependency>
</dependencies>
4 刷新本地的maven仓库，如果没有下载，会主动下载依赖到本地：单击【Maven】，单击【刷新】按钮
（这个过程需要idea自己下载，过程可能有点慢，耐烦等待）
5创建日记属性文件
（1）在resources目次里创建log4j.properties文件，右击【resources】，选择【New】，单击【Resource Bundle】
（2）.在弹出的对话框中输入：log4j，按【OK】按钮，乐成创建。（我这里已经创建好了，你们自己按照步骤创建即可）
（3）向log4j.properties文件添加如下内容：
log4j.rootLogger=INFO, stdout, logfile
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/topnscore.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n
6创建前N成绩映射器类：TopNMapper
1.右击【net.army.mr】，选择【New】，单击【Java Class】
2编写代码：
package net.army.mr;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import java.util.TreeMap;
/**
* 作者：申朝先生
* 日期：2024.4.27
* 功能：前N映射器类
*/
public class TopNMapper extends Mapper<LongWritable, Text, NullWritable, IntWritable> {
private TreeMap<Integer, String> repToRecordMap = new TreeMap<Integer, String>();
// <0,10 3 8 7 6 5 1 2 9 4>
// <xx,11 12 17 14 15 20>
@Override
public void map(LongWritable key, Text value, Context context) {
String line = value.toString();
String[] nums = line.split(" ");
for (String num : nums) {
try {
if (!num.isEmpty()) {
int numValue = Integer.parseInt(num.trim());
repToRecordMap.put(numValue, " ");
if (repToRecordMap.size() > 5) {
repToRecordMap.remove(repToRecordMap.firstKey());
}
}
} catch (NumberFormatException e) {
// 可以记载错误信息大概忽略这个值
System.err.println("无法剖析的数字: " + num);
}
}
}
@Override
protected void cleanup(Context context) {
for (Integer i : repToRecordMap.keySet()) {
try {
context.write(NullWritable.get(), new IntWritable(i));
} catch (Exception e) {
e.printStackTrace();
}
}
}
}
7.Reduce阶段实现
编写MapReduce程序运行主类TopNDriver，主要用于设置MapReduce工作任务的相关参数，对HDFS上/topn/input目次下的源文件求前N数据，并将结果输入到HDFS的/topn/output目次下。
（1）创建前N归并器类：TopNReducer
1.右击【net.army.mr】，选择【New】，单击【Java Class】
2编写代码：
package net.army.mr;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
import java.util.Comparator;
import java.util.TreeMap;
/**
* 作者：申朝先生
* 日期：2024.4.27
* 功能：前N归并器类
*/
public class TopNReducer extends Reducer<NullWritable, IntWritable, NullWritable, IntWritable> {
private TreeMap<Integer, String> repToRecordMap = new TreeMap<Integer, String>(new Comparator<Integer>() {
/**
* 谁大排后面
*
* @param a
* @param b
* @return 一个整数
*/
public int compare(Integer a, Integer b) {
return b - a;
}
});
public void reduce(NullWritable key, Iterable<IntWritable> values, Context context)
throws IOException, InterruptedException {
for (IntWritable value : values) {
repToRecordMap.put(value.get(), " ");
if (repToRecordMap.size() > 5) {
repToRecordMap.remove(repToRecordMap.firstKey());
}
}
for (Integer i : repToRecordMap.keySet()) {
context.write(NullWritable.get(), new IntWritable(i));
}
}
}
8.Driver程序主类实现
（1）创建前N驱动器类：TopNDriver
1.右击【net.army.mr】，选择【New】，单击【Java Class】
2编写代码：
package net.army.mr;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FileStatus;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IOUtils;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import java.net.URI;
/**
* 作者：申朝先生
* 日期：2024.4.27
* 功能：前N驱动类
*/
public class TopNDriver {
public static void main(String[] args) throws Exception {
// 创建设置对象
Configuration conf = new Configuration();
// 设置数据节点主机名属性
conf.set("dfs.client.use.datanode.hostname", "true");
// 获取作业实例
Job job = Job.getInstance(conf);
// 设置作业启动类
job.setJarByClass(TopNDriver.class);
// 设置Mapper类
job.setMapperClass(TopNMapper.class);
// 设置map任务输出键类型
job.setMapOutputKeyClass(NullWritable.class);
// 设置map任务输出值类型
job.setMapOutputValueClass(IntWritable.class);
// 设置Reducer类
job.setReducerClass(TopNReducer.class);
// 设置reduce任务输出键类型
job.setOutputKeyClass(NullWritable.class);
// 设置reduce任务输出值类型
job.setOutputValueClass(IntWritable.class);
// 界说uri字符串
String uri = "hdfs://master:9000";
// 创建输入目次
Path inputPath = new Path(uri + "/topn/input");
// 创建输出目次
Path outputPath = new Path(uri + "/topn/output");
// 获取文件体系
FileSystem fs = FileSystem.get(new URI(uri), conf);
// 删除输出目次
fs.delete(outputPath, true);
// 给作业添加输入目次
FileInputFormat.addInputPath(job, inputPath);
// 给作业设置输出目次
FileOutputFormat.setOutputPath(job, outputPath);
// 等待作业完成
job.waitForCompletion(true);
// 输出统计结果
System.out.println("======统计结果======");
FileStatus[] fileStatuses = fs.listStatus(outputPath);
for (int i = 1; i < fileStatuses.length; i++) {
// 输出结果文件路径
System.out.println(fileStatuses.getPath());
// 获取文件输入流
FSDataInputStream in = fs.open(fileStatuses.getPath());
// 将结果文件表现在控制台
IOUtils.copyBytes(in, System.out, 4096, false);
}
}
}
9运行前N驱动器类，检察结果
（1）运行TopNDriver类，检察结果
（2）下载结果文件并检察
进入/export/topn目次，输入命令：cd /export/topn/
下载文件，输入命令：hdfs dfs -get /topn/output/part-r-00000
检察结果文件，输入命令：cat part-r-00000
注意修改这两个地方的代码
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
| 欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/) |
Powered by Discuz! X3.4 |
