Hadoop 学生平均成绩

1.实例描述

　　通过一个计算学生平均成绩的例子来讲解开发MapReduce程序的流程。输入文件都是纯文本文件，输入文件中的每行内容均为一个学生的姓名和他相应的成绩，如果有多门学科，则每门学科为一个文件。输出文件每行包含学生的姓名和平均成绩。下面给出样本输入文件，以及跑MapReduce程序过后的输出文件。代码亲测可用。注意：本人的开发环境是在Ubuntu+Eclipse下跑的。

　　1）math

　　2）china

　　3)english

　　4)输出文件

2.程序代码

 import java.io.IOException;
 
 import org.apache.hadoop.conf.Configuration;
 import org.apache.hadoop.fs.Path;
 import org.apache.hadoop.io.DoubleWritable;
 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;
 
 public class AvgScore {
 
     public static class Map extends Mapper<Object, Text, Text, DoubleWritable>{
         private static Text name = new Text();
         private static DoubleWritable score = new DoubleWritable();
         @Override
         protected void map(Object key, Text value,Mapper<Object, Text, Text, DoubleWritable>.Context context)
                 throws IOException, InterruptedException {
             // TODO Auto-generated method stub
             //  super.map(key, value, context);
             String[] splits = value.toString().split("\t");    //  源文件一定要用tab键分割，不然会出错。
             if(splits.length!=2){
                 return ;
             }
             name.set(splits[0]);
             score.set(Double.parseDouble(splits[1]));
 //            System.out.println(name);
 //            System.out.println(score);
             context.write(name, score);
         }
     }
 
     public static class Reduce extends Reducer<Text, DoubleWritable, Text, DoubleWritable>{
         private static DoubleWritable avg = new DoubleWritable();
         @Override
         protected void reduce(Text name, Iterable<DoubleWritable> scores,Reducer<Text, DoubleWritable, Text, DoubleWritable>.Context context)
                 throws IOException, InterruptedException {
             // TODO Auto-generated method stub
             //   super.reduce(arg0, arg1, arg2);
             double sum = 0;
             int count = 0;
             for(DoubleWritable score:scores){
                 sum += score.get();
                 count ++;
             }
             avg.set(sum/count);
 //            System.out.println(avg);
             context.write(name, avg);
         }
     }
     public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
         // TODO Auto-generated method stub
         Configuration conf = new Configuration();
         String[] otherArgs = new GenericOptionsParser(conf,args).getRemainingArgs();
         if(otherArgs.length!=2){
             System.out.println("Usage:Score Avg");
             System.exit(2);
         }
         Job job = new Job(conf,"Score Avg");
         job.setJarByClass(AvgScore.class);
         job.setMapperClass(Map.class);
         job.setReducerClass(Reduce.class);
         job.setMapOutputKeyClass(Text.class);
         job.setMapOutputValueClass(DoubleWritable.class);
         job.setOutputKeyClass(Text.class);
         job.setOutputValueClass(DoubleWritable.class);
 
         FileInputFormat.addInputPath(job, new Path(args[0]));
         FileOutputFormat.setOutputPath(job, new Path(args[1]));
 
         System.exit(job.waitForCompletion(true)?0:1);
     }
 
 }

3.程序解释

　　Mapper处理的数据是由InputFormat分解过的数据集，其中 InputFormat的作用是将数据集切割成小数据集InputSplit，每一个InputSlit将由一个Mapper负责处理。此 外，InputFormat中还提供了一个RecordReader的实现，并将一个InputSplit解析成<key,value>对提 供给了map函数。InputFormat的默认值是TextInputFormat，它针对文本文件，按行将文本切割成InputSlit，并用 LineRecordReader将InputSplit解析成<key,value>对，key是行在文本中的位置，value是文件中的 一行。

　　Map的结果会通过partion分发到Reducer，Reducer做完Reduce操作后，将通过以格式OutputFormat输出。

　　Mapper最终处理的结果对<key,value>，会送到Reducer中进行合并，合并的时候，有相同key的键/值对则送到同一个 Reducer上。Reducer是所有用户定制Reducer类地基础，它的输入是key和这个key对应的所有value的一个迭代器，同时还有 Reducer的上下文。Reduce的结果由Reducer.Context的write方法输出到文件中。