Hadoop学习(4)-mapreduce的一些注意事项

关于mapreduce的一些注意细节

如果把mapreduce程序打包放到了liux下去运行，

命令java  –cp  xxx.jar 主类名

如果报错了，说明是缺少相关的依赖jar包

用命令hadoop jar xxx.jar 类名因为在集群机器上用 hadoop jar xx.jar mr.wc.jobsubmitter 命令来启动客户端main方法时，hadoop jar这个命令会将所在机器上的hadoop安装目录中的jar包和配置文件加入到运行时的classpath中

那么，我们的客户端main方法中的new configuration()语句就会加载classpath中的配置文件，自然就有了

fs.defaultfs 和 mapreduce.framework.name 和 yarn.resourcemanager.hostname 这些参数配置

会把本地hadoop的相关的所有jar包都会引用

mapreduce也有本地的job运行，就是可以不用提交到yarn上，可以以单机的模式跑一边以多个线程模拟也可以。

就是如果不管在linux下还是windows下，提交job都会默认的提交到本地去运行，

如果在linux默认提交到yarn上运行，需要写配置文件hadoop/etc/mapred-site.xml文件

<configuration>

<property>

<name>mapreduce.framework.name</name>

<value>yarn</value>

</property>

</configuration>

 

key,value对，如果是自己的类的话，那么这个类要实现writable，同时要把你想序列化的数据转化成二进制，然后放到重写方法wirte参数的dataoutput里面，另一个readfields重写方法是用来反序列化用的，

注意反序列化的时候，会先拿这个类的无参构造方法构造出一个对象出来，然后再通过readfields方法来复原这个对象。

 

dataoutput也是一种流，只不过是hadoop的在封装，自己用的时候，里面需要加个fileoutputstream对象

dataoutput写字符串的时候要用writeutf(“字符串”),他这样编码的时候，会在字符串的前面先加上字符串的长度，这是考虑到字符编码对其的问题，hadoop解析的时候就会先读前面两个字节，看一看这个字符串有多长，不然如果用write(字符串.getbytes())这样他不知道这个字符串到底有多少个字节。

 

在reduce阶段，如果把一个对象写到hdfs里面，那么会调用字符串的tostring方法，你可以重写这个类的tostring方法 

举例，下面这个类就可以在hadoop里序列化

package mapreduce2;

import java.io.datainput;
import java.io.dataoutput;
import java.io.ioexception;

import org.apache.hadoop.hdfs.client.hdfsclientconfigkeys.write;
import org.apache.hadoop.io.writable;
import org.apache.hadoop.util.waitable;

public class flowbean implements writable {

    private int up;//上行流量
    private int down;//下行流量
    private int sum;//总流量
    private string phone;//电话号
    
    public flowbean(int up, int down, string phone) {
        this.up = up;
        this.down = down;
        this.sum = up + down;
        this.phone = phone;
    }
    public int getup() {
        return up;
    }
    public void setup(int up) {
        this.up = up;
    }
    public int getdown() {
        return down;
    }
    public void setdown(int down) {
        this.down = down;
    }
    public int getsum() {
        return sum;
    }
    public void setsum(int sum) {
        this.sum = sum;
    }
    public string getphone() {
        return phone;
    }
    public void setphone(string phone) {
        this.phone = phone;
    }
    @override
    public void readfields(datainput di) throws ioexception {
        //注意这里读的顺序要和写的顺序是一样的
        this.up = di.readint();
        this.down = di.readint();
        this.sum = this.up + this.down;
        this.phone = di.readutf();
    }
    @override
    public void write(dataoutput do) throws ioexception {
        do.writeint(this.up);
        do.writeint(this.down);
        do.writeint(this.sum);
        do.writeutf(this.phone);
    }
    @override
    public string tostring() {
        return "电话号"+this.phone+" 总流量"+this.sum;
    }
}

 

 

 当所有的reducetask都运行完之后，还会调用一个cleanup方法

应用练习：统计一个页面访问总量为n条的数据

方案一：只用一个reducetask，利用cleanup方法，在reducetask阶段，先不直接放到hdfs里面，而是存到一个treemap里面

再在reducetask结束后，在cleanup里面通过把treemap里面前五输出到hdfs里面；

package cn.edu360.mr.page.topn;

public class pagecount implements comparable<pagecount>{
    
    private string page;
    private int count;
    
    public void set(string page, int count) {
        this.page = page;
        this.count = count;
    }
    
    public string getpage() {
        return page;
    }
    public void setpage(string page) {
        this.page = page;
    }
    public int getcount() {
        return count;
    }
    public void setcount(int count) {
        this.count = count;
    }

    @override
    public int compareto(pagecount o) {
        return o.getcount()-this.count==0?this.page.compareto(o.getpage()):o.getcount()-this.count;
    }
    
    

}

 

map类

import java.io.ioexception;

import org.apache.hadoop.io.intwritable;
import org.apache.hadoop.io.longwritable;
import org.apache.hadoop.io.text;
import org.apache.hadoop.mapreduce.mapper;

public class pagetopnmapper extends mapper<longwritable, text, text, intwritable>{
    
    @override
    protected void map(longwritable key, text value, context context)
            throws ioexception, interruptedexception {
        string line = value.tostring();
        string[] split = line.split(" ");
        context.write(new text(split[1]), new intwritable(1));
    }

}

reduce类

package cn.edu360.mr.page.topn;

import java.io.ioexception;
import java.util.map.entry;
import java.util.set;
import java.util.treemap;

import org.apache.hadoop.conf.configuration;
import org.apache.hadoop.io.intwritable;
import org.apache.hadoop.io.text;
import org.apache.hadoop.mapreduce.reducer;

public class pagetopnreducer extends reducer<text, intwritable, text, intwritable>{
    
    treemap<pagecount, object> treemap = new treemap<>();
    
    @override
    protected void reduce(text key, iterable<intwritable> values,
            reducer<text, intwritable, text, intwritable>.context context) throws ioexception, interruptedexception {
        int count = 0;
        for (intwritable value : values) {
            count += value.get();
        }
        pagecount pagecount = new pagecount();
        pagecount.set(key.tostring(), count);
        
        treemap.put(pagecount,null);
        
    }
    @override
    protected void cleanup(context context)
            throws ioexception, interruptedexception {
        configuration conf = context.getconfiguration();
　　　　//可以在cleanup里面拿到configuration，从里面读取要拿前几条数据
        int topn = conf.getint("top.n", 5);
        
        
        set<entry<pagecount, object>> entryset = treemap.entryset();
        int i= 0;
        
        for (entry<pagecount, object> entry : entryset) {
            context.write(new text(entry.getkey().getpage()), new intwritable(entry.getkey().getcount()));
            i++;
            if(i==topn) return;
        }   
    }
}

然后jobsubmit类，注意这个要设定configuration，这里面有几种方法

第一种是加载配置文件

        configuration conf = new configuration();
        conf.addresource("xx-oo.xml");

然后再在xx-oo.xml文件里面写

<configuration>
    <property>
        <name>top.n</name>
        <value>6</value>
    </property>
</configuration>

第二种方式

　　　　//通过直接设定
        conf.setint("top.n", 3);
        //通过对java主程序 直接传进来的参数
        conf.setint("top.n", integer.parseint(args[0]));

第三种方式通过获取配置文件参数

　　　　 properties props = new properties();
        props.load(jobsubmitter.class.getclassloader().getresourceasstream("topn.properties"));
        conf.setint("top.n", integer.parseint(props.getproperty("top.n")));

然后再在topn.properties里面配置参数

top.n=5

subsubmit类，默认在本机模拟运行

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.lib.input.fileinputformat;
import org.apache.hadoop.mapreduce.lib.output.fileoutputformat;

public class jobsubmitter {

    public static void main(string[] args) throws exception {

        /**
         * 通过加载classpath下的*-site.xml文件解析参数
         */
        configuration conf = new configuration();
        conf.addresource("xx-oo.xml");
        
        /**
         * 通过代码设置参数
         */
        //conf.setint("top.n", 3);
        //conf.setint("top.n", integer.parseint(args[0]));
        
        /**
         * 通过属性配置文件获取参数
         */
        /*properties props = new properties();
        props.load(jobsubmitter.class.getclassloader().getresourceasstream("topn.properties"));
        conf.setint("top.n", integer.parseint(props.getproperty("top.n")));*/
        
        job job = job.getinstance(conf);

        job.setjarbyclass(jobsubmitter.class);

        job.setmapperclass(pagetopnmapper.class);
        job.setreducerclass(pagetopnreducer.class);

        job.setmapoutputkeyclass(text.class);
        job.setmapoutputvalueclass(intwritable.class);
        
        job.setoutputkeyclass(text.class);
        job.setoutputvalueclass(intwritable.class);

        fileinputformat.setinputpaths(job, new path("f:\\mrdata\\url\\input"));
        fileoutputformat.setoutputpath(job, new path("f:\\mrdata\\url\\output"));

        job.waitforcompletion(true);

    }
}

 有时一个任务一个mapreduce是完成不了的，有可能会拆分成两个或多个mapreduce

map阶段会有自己的排序机制，比如一组数据(a,1),(b,1),(a,1),(c,1),他会先处理key为1的一组数据，

这个排序机制我们也可以自己去实现，要对这个类实现comparable接口，然后重写compareto方法。

但要注意这个排序机制只是对于一个reducetask来说的，如果有多个的话，只会得到局部排序。

如果要多个reducetask的话，我们就需要控制数据的分发规则，这样虽然是会生成多个排序后的文件，但这些文件整体上依然是有序的。因为我们控制了每一个reducetask处理数据的范围。

 

 

 

额外java知识点补充

treemap，放进去的东西会自动排序

两种treemap的自定义方法，第一种是传入一个comparator

public class treemaptest {
    
    public static void main(string[] args) {
        
        treemap<flowbean, string> tm1 = new treemap<>(new comparator<flowbean>() {
            @override
            public int compare(flowbean o1, flowbean o2) {
                //如果两个类总流量相同的会比较电话号
                if( o2.getamountflow()-o1.getamountflow()==0){
                    return o1.getphone().compareto(o2.getphone());
                }
                //如果流量不同，就按从小到大的顺序排序
                return o2.getamountflow()-o1.getamountflow();
            }
        });
        flowbean b1 = new flowbean("1367788", 500, 300);
        flowbean b2 = new flowbean("1367766", 400, 200);
        flowbean b3 = new flowbean("1367755", 600, 400);
        flowbean b4 = new flowbean("1367744", 300, 500);
        
        tm1.put(b1, null);
        tm1.put(b2, null);
        tm1.put(b3, null);
        tm1.put(b4, null);
        //treeset的遍历
        set<entry<flowbean,string>> entryset = tm1.entryset();
        for (entry<flowbean,string> entry : entryset) {
            system.out.println(entry.getkey() +"\t"+ entry.getvalue());
        }
    }

}

第二种是在这个类中，实现一个comparable接口

package cn.edu360.mr.page.topn;

public class pagecount implements comparable<pagecount>{
    
    private string page;
    private int count;
    
    public void set(string page, int count) {
        this.page = page;
        this.count = count;
    }
    
    public string getpage() {
        return page;
    }
    public void setpage(string page) {
        this.page = page;
    }
    public int getcount() {
        return count;
    }
    public void setcount(int count) {
        this.count = count;
    }

    @override
    public int compareto(pagecount o) {
        return o.getcount()-this.count==0?this.page.compareto(o.getpage()):o.getcount()-this.count;
    }
    
    

}