原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
?
1、MapReduce理论简介
?
1.1MapReduce编程模型
MapReduce采用分而治之的思想，把对大规模数据集的操作，分发给一个主节点管理下的各个分节点共同完成，然后通过整合各个节点的中间结果，得到最终结果。简单地说，MapReduce就是任务的分解与结果的汇总。
在Hadoop中，用于执行MapReduce任务的机器角色有两个：一个是JobTracker；另一个是TaskTracker，JobTracker是用于调度工作的，TaskTracker是用于执行工作的。一个Hadoop集群中只有一台JobTracker。
在分布式计算中，MapReduce框架负责处理了并行编程中分布式存储、工作调度、负载均衡、容错均衡、容错处理以及网络通信等复杂问题，把处理过程高度抽象为两个函数：map和reduce，map负责把任务分解成多个任务，reduce负责把分解后多任务处理的结果汇总起来。
需要注意的是，用MapReduce来处理的数据集（或任务）必须具备这样的特点：待处理的数据集可以分解成许多小的数据集，而且每一个小数据集都可以完全并行地进行处理。
?
1.2MapReduce处理过程
在Hadoop中，每个MapReduce任务都被初始化为一个Job，每个Job又可以分为两种阶段：map阶段和reduce阶段。这两个阶段分别用两个函数表示，即map函数和reduce函数。map函数接收一个key,value形式的输入，然后同样产生一个key,value形式的中间输出，Hadoop函数接收一个如key,(listofvalues)形式的输入，然后对这个value集合进行处理，每个reduce产生0或1个输出，reduce的输出也是key,value形式的。
?
?
MapReduce处理大数据集的过程
?
?
2、运行WordCount程序
单词计数是最简单也是最能体现MapReduce思想的程序之一，可以称为MapReduce版HelloWorld，该程序的完整代码可以在Hadoop安装包的src/examples目录下找到。单词计数主要完成功能是：统计一系列文本文件中每个单词出现的次数，如下图所示。
?
?
?
2.1准备工作
现在以hadoop普通用户登录Master.Hadoop服务器。
1）创建本地示例文件
首先在/home/hadoop目录下创建文件夹file。
?
?
?
接着创建两个文本文件file1.txt和file2.txt，使file1.txt内容为HelloWorld，而file2.txt的内容为HelloHadoop。
?
?
2）在HDFS上创建输入文件夹
?
?
3）上传本地file中文件到集群的input目录下
?
?
2.2运行例子
1）在集群上运行WordCount程序
备注：以input作为输入目录，output目录作为输出目录。
已经编译好的WordCount的Jar在/usr/hadoop下面，就是hadoop-examples-1.0.0.jar，所以在下面执行命令时记得把路径写全了，不然会提示找不到该Jar包。
?
?
?
2）MapReduce执行过程显示信息
?
?
Hadoop命令会启动一个JVM来运行这个MapReduce程序，并自动获得Hadoop的配置，同时把类的路径（及其依赖关系）加入到Hadoop的库中。以上就是HadoopJob的运行记录，从这里可以看到，这个Job被赋予了一个ID号：job_201202292213_0002，而且得知输入文件有两个（Totalinputpathstoprocess:2），同时还可以了解map的输入输出记录（record数及字节数），以及reduce输入输出记录。比如说，在本例中，map的task数量是2个，reduce的task数量是一个。map的输入record数是2个，输出record数是4个等信息。
?
2.3查看结果
1）查看HDFS上output目录内容
?
?
从上图中知道生成了三个文件，我们的结果在part-r-00000中。
2）查看结果输出文件内容
?
?
3、WordCount源码分析
?
3.1特别数据类型介绍
Hadoop提供了如下内容的数据类型，这些数据类型都实现了WritableComparable接口，以便用这些类型定义的数据可以被序列化进行网络传输和文件存储，以及进行大小比较。
?
???BooleanWritable：标准布尔型数值
???ByteWritable：单字节数值
???DoubleWritable：双字节数
???FloatWrit
文档评论（0）