Hadoop:哪个映射器返回了哪个结果？

Question

我是 Hadoop 新手。我想运行一个 MapReduce 示例并使用计算器映射器查看其结果。也就是我想知道，每个中间结果是由哪个mapper计算出来的？是否可以？如何？

我安装了 Hadoop 2.9.0(多节点集群)。

Answer 1

首先我们看一下示例代码(我已经安装了 HDP 集群，所以 .jar 文件的路径可能不同)

示例文本文件作为输入:

$ bin/hadoop dfs -ls /wordcount/input/

/wordcount/input/file01

/wordcount/输入/file02

$ bin/hadoop dfs -cat /wordcount/input/file01

Hello World 再见世界

$ bin/hadoop dfs -cat /wordcount/input/file02

你好 Hadoop 再见 Hadoop

运行应用程序:

$ bin/hadoop jar /usr/hdp/2.6x.x/hadoop-mapreduce/hadoo-mapreduce-examples.jar wordcount /wordcount/input /wordcount/output

注意:您不需要编写字数统计程序，正如我所提到的，它在 mapreduce 文件夹中默认提供。下面给出的代码仅供引用工作

输出:

$ bin/hadoop dfs -cat /wordcount/output/part-00000

再见 1

再见 1

Hadoop 2

你好 2

世界2

现在，让我们看看 mapper 和 reducer 在后端是如何工作的:

WordCount 应用程序非常简单。

映射器 实现 (第 14-26 行) ，通过 map 方法(第 18-25 行) , 一次处理一行，由指定的 提供文本输入格式(第 49 行) .然后，它通过 StringTokenizer 将行拆分为由空格分隔的标记，并发出 < , 1> 的键值对。

对于给定的样本输入 第一张 map 发出:

<你好，1>

<世界，1>

<再见，1>

<世界，1>

第二张 map 发出:

<你好，1>

< Hadoop，1>

<再见，1>

< Hadoop，1>

我们将在本教程的稍后部分详细了解为给定作业生成的 map 数量，以及如何以细粒度方式控制它们。

WordCount 还指定了 组合器(第 46 行 )。因此，每个 map 的输出在对键进行排序后，通过本地组合器(根据作业配置与 Reducer 相同)进行本地聚合。

的输出第一张 map :

<再见，1>

<你好，1>

<世界，2>

的输出第二张 map :

<再见，1>

< Hadoop，2>

<你好，1>

reducer 实现 (第 28-36 行) ，通过 reduce 方法(第 29-35 行)只是对值求和，这些值是每个键的出现计数(即本例中的单词)。

因此 作业的输出是 :

<再见，1>

<再见，1>

< Hadoop，2>

<你好，2>

<世界，2>

run 方法在 JobConf 中指定作业的各个方面，例如输入/输出路径(通过命令行传递)、键/值类型、输入/输出格式等。然后它调用 JobClient.runJob(第 55 行)提交并监控其进度。

现在，这里提到的字数统计程序是:

1.  package org.myorg;

2.  

3.  import java.io.IOException;

4.  import java.util.*;


5.  

6.  import org.apache.hadoop.fs.Path;

7.  import org.apache.hadoop.conf.*;

8.  import org.apache.hadoop.io.*;

9.  import org.apache.hadoop.mapred.*;

10. import org.apache.hadoop.util.*;

11. 

12. public class WordCount {

13. 

14.    public static class Map extends MapReduceBase implements Mapper<LongWritable, Text, Text, IntWritable> {

15.      private final static IntWritable one = new IntWritable(1);

16.      private Text word = new Text();

17. 

18.      public void map(LongWritable key, Text value, OutputCollector<Text, IntWritable> output, Reporter reporter) throws IOException {

19.        String line = value.toString();

20.        StringTokenizer tokenizer = new StringTokenizer(line);

21.        while (tokenizer.hasMoreTokens()) {

22.          word.set(tokenizer.nextToken());

23.          output.collect(word, one);

24.        }

25.      }

26.    }

27. 

28.    public static class Reduce extends MapReduceBase implements Reducer<Text, IntWritable, Text, IntWritable> {

29.      public void reduce(Text key, Iterator<IntWritable> values, OutputCollector<Text, IntWritable> output, Reporter reporter) throws IOException {


30.        int sum = 0;

31.        while (values.hasNext()) {

32.          sum += values.next().get();

33.        }

34.        output.collect(key, new IntWritable(sum));

35.      }

36.    }

37. 

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

39.      JobConf conf = new JobConf(WordCount.class);

40.      conf.setJobName("wordcount");

44. 

45.      conf.setMapperClass(Map.class);

46.      conf.setCombinerClass(Reduce.class);

47.      conf.setReducerClass(Reduce.class);

48. 

49.      conf.setInputFormat(TextInputFormat.class);

50.      conf.setOutputFormat(TextOutputFormat.class);

51. 

52.      FileInputFormat.setInputPaths(conf, new Path(args[0]));

53.      FileOutputFormat.setOutputPath(conf, new Path(args[1]));

54. 

55.      JobClient.runJob(conf);

57.    }

58. }

59.

引用:MapReduce Tutorial