欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

Hadoop实战-MR倒排索引(三)

程序员文章站 2022-04-28 18:33:10
...

场景描述

  • 通过切入具体示例代码,解决问题,从而积累 Hadoop 实战经验。
  • 倒排索引,源于实际应用中需要根据属性的值来查找记录,通过倒排索引,可以根据单词快速获取包含这个单词的文档列表。

实验数据

  • 输入
tom,LittleApple
jack,YesterdayOnceMore
Rose,MyHeartWillGoOn
jack,LittleApple
John,MyHeartWillGoOn
kissinger,LittleApple
kissinger,YesterdayOnceMore
  • 输出结果
    • 使用 | 分隔 用户名,去掉末尾多余字符
LittleApple kissinger|jack|tom
MyHeartWillGoOn John|Rose
YesterdayOnceMore   kissinger|jack
  • 代码实现
    • 本地运行, 若导出至 jar包, 需要 稍作修改,使代码整体显得较为优雅。
import java.io.IOException;
import java.util.StringTokenizer;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
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 org.apache.hadoop.util.GenericOptionsParser;

/**
 * 
 * @ClassName: Music
 * 
 * @Description: 输入用户播放音乐记录数据,统计歌曲被哪些用户播放过
 * 
 * @author kngines
 * 
 * @date 2018年4月11日
 */

public class Music {
    public static class MusicMap extends Mapper<Object, Text, Text, Text> {

        @Override
        public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
            StringTokenizer itr = new StringTokenizer(value.toString());
            while (itr.hasMoreTokens()) {
                String content = itr.nextToken();
                String[] splits = content.split(",");
                String name = splits[0];
                String music = splits[1];
                context.write(new Text(music), new Text(name));
            }
        }
    }

    public static class MusicReduce extends Reducer<Text, Text, Text, Text> {
        private Text userNames = new Text();

        @Override
        public void reduce(Text key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
            userNames.set("");
            StringBuffer result = new StringBuffer();
            int i = 0;
            for (Text tempText : values) {
                result.append(tempText.toString().trim() + "|");
                i++;
            }

            userNames.set(result.toString().substring(0,result.length()-1));  // 去除尾部分隔符
            context.write(key, userNames);
        }
    }

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

        Configuration conf = new Configuration();
        conf.set("mapred.jop.tracker", "hdfs://"+args[2]+":9001");  // args[2] 远程服务器 IP地址(伪分布式Hadoop服务器地址)
        conf.set("fs.default.name", "hdfs://"+args[2]+":9000");

        String[] otherArgs = new GenericOptionsParser(conf, args)
                .getRemainingArgs();


        Job job = Job.getInstance(conf);
        job.setJarByClass(Music.class);
        job.setMapperClass(MusicMap.class);
        job.setReducerClass(MusicReduce.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Text.class);

        if(otherArgs.length < 2){
            System.err.println("Usage: MinMaxCountDriver <in> <out>");
            System.exit(-1);
        }

        Path iPath = new Path(otherArgs[0]);  // 输入文件路径
        Path oPath = new Path(otherArgs[1]);  // 输出文件路径

        // 指定要处理的数据所在的位置
        FileSystem fs = FileSystem.get(conf);
        if (fs.exists(iPath)) {
            FileInputFormat.addInputPath(job, iPath);
        }

        // 指定处理完成之后的结果所保存的位置
        fs.delete(oPath, true);
        FileOutputFormat.setOutputPath(job, oPath);

        // 向yarn集群提交这个job
        boolean res = job.waitForCompletion(true);
        System.exit(res ? 0 : 1);
    }
}
  • eclipse 中运行参数 配置

    • 输入文件路径, 输出文件路径,远程服务器 IP 地址,以空格间隔
      Hadoop实战-MR倒排索引(三)
  • 输入结果显示
    Hadoop实战-MR倒排索引(三)


问题记录

  • Apache Hadoop MapReduce Common. Maven Conf
    • hadoop-mapreduce-client-common-2.6.2.jar 包引入,否则无法访问远程Hadoop 服务器。
  • 本地机器(无线网,可能会多个无线网切换)、虚拟机(Hadoop服务器)
    • 切换网络再切回网络,同一网段下,本机、虚拟机 ping 不通,可以通过【禁用–启用】本地网络、注销虚拟机方式,使网络互通。
    • 个人在实验时,网络不通时,在虚拟机中 jps 命令, 不存在Hadoop 5 个基础进程,修复网络后,jps 进程正常。

References