MR操作

MR操作————Map、Partitioner、Shuffle、Combiners、Reduce
1.Map步骤
	1.1	读取输入文件，解析成k-v对，其中每个k-v对调用一次map函数
	1.2 写自己的逻辑，对输入的k-v进行处理，转换成新的k-v
	1.3 对输出的k-v进行分区(Partitioner)
	1.4 对不同分区的数据进行排序/分组，将相同的key的value放在一个集合中(Shuffle处理)
	1.5 分组后进行归约（可选）(Combiners 可理解为单个节点的reduce  不是所有算法都适合  如求平均数时就不适合，有可能造成结果不对)
2.Reduce步骤
	2.1	对多个map输出数据按照不同的分区分配到不同的reduce节点
	2.2 对多个map任务输出进行合并、排序。写自己的逻辑，对输入的k-v对进行处理，转换成新的k-v,每个k-v对调用一次reduce函数
	2.3 把reduce结果保存到文件中输出
3.流程图：
	文件输入
		->Map提取相应数据(按照一定格式)
		->Partitioner(按照key进行分区)
		->Shuffle(按照分区进行排序)
		->Combiners(按照分区进行归约)
		->推送到各个Redeuce节点
		->Reduce(根据输入数据按照逻辑进行运行)
	文件输出
4.JavaAPI
	步骤:
		4.1 定义一个类继承Mapper，其中泛型四个参数 分别是输入key,输入value,输出key,输出value(注意类型需使用Hadoop中的数据类型，参见java类型对应Hadoop类型)
		4.2 重写map()方法
		4.3 定义一个类继承Reducer，其中泛型四个参数 分别是输入key,输入value,输出key,输出value(注意此时输入参数应该是Mapper的输出参数)
		4.4 重写reduce()方法
		4.5	编写启动任务
			1.得到Configuration对象
			2.得到Job对象
			3.根据MR步骤设置Job参数
				第一步：输入文件
					输入目录
					输入数据类型处理
 
				第二步：自定义Mapper类
					输入自定义Mapper类
					输出数据类型(K-V)处理
 
				第三步：(可不选)
					分区
 
				第四步：(可不选)
					排序分组
 
				第五步：(可不选)
					归约
				第六步：(可不选)
					分配到不同Reduce节点
 
				第七步:自定义Reduce类
					输出自定义Reduce类
					输出数据类型(K-V)处理
 
				第八步：输出文件
					输出路径
					输出格式类
		4.6 打包发布运行
 
5.Hadoop内置数据类型
	5.1 基础数据类型
			1.BooleanWritable:标准布尔型数值
			2.ByteWritable:单字节数值
			3.DoubleWritable:双字节数值
			4.FloatWritable:浮点数
			5.IntWritable:整型数
			6.LongWritable:长整型数
			7.Text:使用UTF8格式存储的文本
			8.NullWritable:当<key, value>中的key或value为空时使用
	5.2 自定义数据类型
			1.继承接口Writable,实现其方法write()和readFields(), 以便该数据能被序列化后完成网络传输或文件输入/输出
			2.如果该数据需要作为主键key使用，或需要比较数值大小时，则需要实现WritalbeComparable接口,实现其方法write(),readFields(),CompareTo() 
 
6.MR中常用算法
	1.单词计数
	2.数据去重
	3.排序
	4.选择
	5.分组
	6.单表关联
	7.多表连接
 
JavaAPI 示例代码：
	package testHadoopMR;
 
	import java.io.IOException;
	import java.util.StringTokenizer;
 
	import org.apache.hadoop.conf.*;
	import org.apache.hadoop.fs.*;
	import org.apache.hadoop.io.*;
	import org.apache.hadoop.mapred.*;
	import org.apache.hadoop.mapreduce.*;
	import org.apache.hadoop.mapreduce.Mapper;
	import org.apache.hadoop.mapreduce.Reducer;
	import org.apache.hadoop.mapreduce.Mapper.Context;
	import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
	import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
 
	public class testHadoopMR {
		static final String INPUT_PATH = "hdfs://hadoop:9000/input/file.ini";  //输入文件
		static final String OUTPUT_PATH = "hdfs://hadoop:9000/out";//输出路径
 
		public static void main(String[] args) throws Exception {
			Configuration conf = new Configuration();//得到configuration对象
			Job job = new Job(conf, "word count");//得到job对象
			job.setJarByClass(testHadoopMR.class);//设置任务加载类
 
			FileInputFormat.setInputPaths(job, new Path(INPUT_PATH));//1.设置输入文件路径
 
			job.setMapperClass(MyMapper.class);//2.自定义mapper
			job.setMapOutputKeyClass(Text.class);//输出key类型
			job.setMapOutputValueClass(IntWritable.class);//输出value类型
 
			job.setPartitionerClass(HashPartitioner.class);//3.设置分区
			job.setNumReduceTasks(1);//分区数为1
 
			job.setGroupingComparatorClass(MyGroupingComparator.class);//4.设置排序和分组 需自定义排序分组类，不然会按照hash值排序
 
			job.setCombinerClass(MyReducer.class);// 5.设置Map规约Combiner
 
			job.setReducerClass(MyReduce.class);//7.自定义reduce
			job.setOutputKeyClass(Text.class);//设置输出 key类型
			job.setOutputValueClass(IntWritable.class);//设置输出value类型
 
			FileOutputFormat.setOutputPath(job, new Path(OUTPUT_PATH));//8.设置输出路径
			job.waitForCompletion(true);
		}
 
		public static class MyMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
 
			private final static IntWritable one = new IntWritable(1);
			private Text word = new Text();
 
			public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
				StringTokenizer itr = new StringTokenizer(value.toString());
				while (itr.hasMoreTokens()) {
					word.set(itr.nextToken());
					context.write(word, one);
				}
			}
		}
 
		public static class MyReduce extends Reducer<Text, IntWritable, Text, IntWritable> {
			private IntWritable result = new IntWritable();
 
			public void reduce(Text key, Iterable<IntWritable> values, Context context)
					throws IOException, InterruptedException {
				int sum = 0;
				for (IntWritable val : values) {
					sum += val.get();
				}
				result.set(sum);
				context.write(key, result);
			}
		}
 
	}