本博客属原创文章,转载请注明出处:http://guoyunsky.iteye.com/blog/1233733
请先阅读:
1.Hadoop MapReduce 学习笔记(一) 序言和准备
2.Hadoop MapReduce 学习笔记(二) 序言和准备 2
3.Hadoop MapReduce 学习笔记(三) MapReduce实现类似SQL的SELECT MAX(ID)
4.Hadoop MapReduce 学习笔记(四) MapReduce实现类似SQL的SELECT MAX(ID) 2 一些改进
5.Hadoop MapReduce 学习笔记(五) MapReduce实现类似SQL的max和min
6.Hadoop MapReduce 学习笔记(六) MapReduce实现类似SQL的max和min 正确写法
下一篇: Hadoop MapReduce 学习笔记(八) MapReduce实现类似SQL的order by/排序
Hadoop MapReduce 学习笔记(六) MapReduce实现类似SQL的max和min 正确写法 只是一列,如序言说的,一张表中有多个列呢?比如想找出序言中USER表最大和最小ID的用户数据,类似SQL:
SELECT * FROM USER WHERE ID=MAX(ID) OR ID= MIN(ID);
还是贴上代码吧,这里引入的概念是自己实现Hadoop的输入输出.Hadoop自己的是IntWritalbe,Text等,有如Java的int,String.但我们想实现自己的类呢.请看代码吧:
1.相对Hadoop来说,自己的输入输出类:
package com.guoyun.hadoop.mapreduce.study; import java.io.DataInput; import java.io.DataOutput; import java.io.IOException; import org.apache.hadoop.io.WritableComparable; /** * 多列数据,这里格式是:frameworkName(String) number(int) * 等同于数据表 * CREATE TABLE TABLE_NAME( * FRAMEWORK_NAME VARCHAR(32), * NUMBER INT * ) */ public class MultiColumnWritable implements WritableComparable{ protected String frameworkName=""; protected long number=-1; public String getFrameworkName() { return frameworkName; } public void setFrameworkName(String frameworkName) { this.frameworkName = frameworkName; } public long getNumber() { return number; } public void setNumber(long number) { this.number = number; } public MultiColumnWritable() { super(); } @Override public int compareTo(Object obj) { int result=-1; if(obj instanceof MultiColumnWritable){ MultiColumnWritable mcw=(MultiColumnWritable)obj; if(mcw.getNumber()<this.getNumber()){ result =1; }else if(mcw.getNumber()==this.getNumber()){ result=0; } } return result; } @Override public void readFields(DataInput in) throws IOException { frameworkName=in.readUTF(); number=in.readLong(); } @Override public void write(DataOutput out) throws IOException { out.writeUTF(frameworkName); out.writeLong(number); } @Override public String toString() { return frameworkName+"\t"+number; } }
2.获得最大和最小值
package com.guoyun.hadoop.mapreduce.study; import java.io.IOException; 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.Reducer; import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; import org.slf4j.Logger; import org.slf4j.LoggerFactory; /** * 或得最大和最小值,类似SQL:SELECT * FROM TABLE WHERE NUMBER=MAX(NUMBER) OR NUMBER=MIN(NUMBER) * 这里有多列数据,但只取其中一列的最大和最小 * 如果想对其中几列取最大最小值,请自己实现 @MultiColumnWritable */ public class GetMaxAndMinValueMultiMapReduceTest extends MyMapReduceMultiColumnTest { public static final Logger log=LoggerFactory.getLogger(GetMaxAndMinValueMultiMapReduceTest.class); public GetMaxAndMinValueMultiMapReduceTest(long dataLength) throws Exception { super(dataLength); // TODO Auto-generated constructor stub } public GetMaxAndMinValueMultiMapReduceTest(String outputPath) throws Exception { super(outputPath); // TODO Auto-generated constructor stub } public GetMaxAndMinValueMultiMapReduceTest(long dataLength, String inputPath, String outputPath) throws Exception { super(dataLength, inputPath, outputPath); // TODO Auto-generated constructor stub } public static class MyCombiner extends Reducer<Text,MultiColumnWritable,Text,MultiColumnWritable>{ private final Text maxValueKey=new Text("maxValue"); private final Text minValueKey=new Text("minValue"); @Override public void reduce(Text key, Iterable<MultiColumnWritable> values,Context context) throws IOException, InterruptedException { log.debug("begin to combine"); long maxValue=Long.MIN_VALUE; String maxFrameworkName=""; long minValue=Long.MAX_VALUE; String minFrameworkName=""; long valueTmp=0; String nameTmp=""; MultiColumnWritable writeValue=new MultiColumnWritable(); for(MultiColumnWritable value:values){ valueTmp=value.getNumber(); nameTmp=value.getFrameworkName(); // 其实可以用他们的compare方法 if(valueTmp>maxValue){ maxValue=valueTmp; maxFrameworkName=nameTmp; }else if(valueTmp<minValue){ minValue=valueTmp; minFrameworkName=nameTmp; } } writeValue.setFrameworkName(maxFrameworkName); writeValue.setNumber(maxValue); context.write(maxValueKey, writeValue); writeValue.setFrameworkName(minFrameworkName); writeValue.setNumber(minValue); context.write(minValueKey, writeValue); } } /** * Reduce,to get the max value */ public static class MyReducer extends Reducer<Text,MultiColumnWritable,Text,MultiColumnWritable>{ private final Text maxValueKey=new Text("maxValue"); private final Text minValueKey=new Text("minValue"); @Override public void run(Context context) throws IOException, InterruptedException { long maxValue=Long.MIN_VALUE; long minValue=Long.MAX_VALUE; long tmpValue=0; String tmpFrameworkName=""; String tmpKey=""; String maxFrameworkName=""; String minFrameworkName=""; MultiColumnWritable writeValue=new MultiColumnWritable(); MultiColumnWritable tmpWrite=null; try { setup(context); while(context.nextKey()){ tmpKey=context.getCurrentKey().toString(); tmpWrite=(MultiColumnWritable)context.getCurrentValue(); tmpValue=tmpWrite.getNumber(); tmpFrameworkName=tmpWrite.getFrameworkName(); if(tmpKey.equals("maxValue")){ if(tmpValue>maxValue){ maxValue=tmpValue; maxFrameworkName=tmpFrameworkName; } }else if(tmpKey.equals("minValue")){ if(tmpValue<minValue){ minValue=tmpValue; minFrameworkName=tmpFrameworkName; } } } writeValue.setFrameworkName(maxFrameworkName); writeValue.setNumber(maxValue); context.write(maxValueKey, writeValue); writeValue.setFrameworkName(minFrameworkName); writeValue.setNumber(minValue); context.write(minValueKey, writeValue); } catch (Exception e) { log.debug(e.getMessage()); }finally{ cleanup(context); } } @Override protected void cleanup(Context context) throws IOException, InterruptedException { // TODO Auto-generated method stub super.cleanup(context); } @Override protected void setup(Context context) throws IOException, InterruptedException { // TODO Auto-generated method stub super.setup(context); } } /** * @param args */ public static void main(String[] args) { MyMapReduceTest mapReduceTest=null; Configuration conf=null; Job job=null; FileSystem fs=null; Path inputPath=null; Path outputPath=null; long begin=0; String input="testDatas/mapreduce/MRInput_Multi_getMaxAndMin"; String output="testDatas/mapreduce/MROutput_Multi_getMaxAndMin"; try { mapReduceTest=new GetMaxAndMinValueMultiMapReduceTest(2000000,input,output); inputPath=new Path(mapReduceTest.getInputPath()); outputPath=new Path(mapReduceTest.getOutputPath()); conf=new Configuration(); job=new Job(conf,"getMaxAndMinValueMulti"); fs=FileSystem.getLocal(conf); if(fs.exists(outputPath)){ if(!fs.delete(outputPath,true)){ System.err.println("Delete output file:"+mapReduceTest.getOutputPath()+" failed!"); return; } } job.setJarByClass(GetMaxAndMinValueMultiMapReduceTest.class); job.setMapOutputKeyClass(Text.class); job.setMapOutputValueClass(MultiColumnWritable.class); job.setOutputKeyClass(Text.class); job.setOutputValueClass(MultiColumnWritable.class); job.setMapperClass(MultiSupMapper.class); job.setCombinerClass(MyCombiner.class); job.setReducerClass(MyReducer.class); job.setNumReduceTasks(2); FileInputFormat.addInputPath(job, inputPath); FileOutputFormat.setOutputPath(job, outputPath); begin=System.currentTimeMillis(); job.waitForCompletion(true); System.out.println("==================================================="); if(mapReduceTest.isGenerateDatas()){ System.out.println("The maxValue is:"+mapReduceTest.getMaxValue()); System.out.println("The minValue is:"+mapReduceTest.getMinValue()); } System.out.println("Spend time:"+(System.currentTimeMillis()-begin)); // Spend time:13361 } catch (Exception e) { // TODO Auto-generated catch block e.printStackTrace(); } } }
更多技术文章、感悟、分享、勾搭,请用微信扫描:
相关推荐
【标题】Hadoop MapReduce 实现 WordCount ...通过理解和实践 Hadoop MapReduce 的 WordCount 示例,开发者可以快速掌握 MapReduce 的基本工作原理,为进一步学习和应用大数据处理技术打下坚实基础。
在大数据处理领域,Hadoop MapReduce是一种广泛应用的分布式计算框架,它使得在大规模数据集上进行并行计算成为可能。本篇文章将详细讲解如何利用Hadoop MapReduce实现TF-IDF(Term Frequency-Inverse Document ...
在这个过程中,Hadoop MapReduce通过并行化处理和容错机制,能够高效地处理大规模数据,即使在硬件故障的情况下也能确保数据完整性。同时,MapReduce的编程模型相对简单,使得开发者能够专注于业务逻辑,而不是底层...
《Hadoop MapReduce Cookbook 源码》是一本专注于实战的书籍,旨在帮助读者通过具体的例子深入理解并掌握Hadoop MapReduce技术。MapReduce是大数据处理领域中的核心组件,尤其在处理大规模分布式数据集时,它的重要...
总之,《Hadoop MapReduce实战手册》全面覆盖了MapReduce的基本概念、工作流程、编程模型以及在大数据处理中的实际应用,是学习和理解大数据处理技术的理想读物。通过深入阅读,读者可以提升在大数据环境下的编程和...
在压缩包文件“CH 10.1 - KMeans”中,可能包含了关于如何在 Hadoop MapReduce 上实现 KMeans 的具体代码示例、步骤指南或者理论讲解。这些资源可以帮助你更深入地理解如何将这两个技术结合,以便在大规模数据集上...
在大数据处理领域,Python、Hadoop MapReduce是两个非常重要的工具。本文将深入探讨如何使用Python来编写Hadoop MapReduce程序,以实现微博关注者之间的相似用户分析。这个任务的关键在于理解并应用分布式计算原理,...
本主题将深入探讨如何使用Hadoop MapReduce来实现MatrixMultiply,即矩阵相乘,这是一个基础且重要的数学运算,尤其在数据分析、机器学习以及高性能计算中有着广泛应用。 首先,理解矩阵相乘的基本原理至关重要。在...
Hadoop MapReduce 编程实战 ...通过了解 MapReduce 编程基础、MapReduce 项目实践、MapReduce 编程模型、Deduplication、MAC 地址统计和计数器的使用,我们可以更好地掌握 Hadoop MapReduce 的编程技术。
一个自己写的Hadoop MapReduce实例源码,网上看到不少网友在学习MapReduce编程,但是除了wordcount范例外实例比较少,故上传自己的一个。包含完整实例源码,编译配置文件,测试数据,可执行jar文件,执行脚本及操作...
在Java中实现MapReduce程序,我们需要创建两个类:`Mapper`和`Reducer`,分别对应Map和Reduce阶段的逻辑。此外,还需要配置Job对象,指定输入输出路径、Mapper和Reducer类以及其他的Hadoop配置参数。 例如,一个...
### Hadoop MapReduce V2 知识点概览 #### 一、Hadoop MapReduce V2 生态系统介绍 ...通过本书的学习,读者不仅可以了解Hadoop MapReduce V2的基本原理,还可以学习到如何在实际项目中有效利用这一强大的工具。
在这个场景中,我们将讨论如何使用Hadoop的MapReduce来实现词统计和列式统计。 **一、MapReduce原理** MapReduce的工作流程主要包括三个主要阶段:Map、Shuffle(排序)和Reduce。在Map阶段,输入数据被分割成多个...
在大数据处理领域,Hadoop MapReduce 是一个至关重要的框架,它允许开发者编写分布式应用程序来处理海量数据。"Hadoop MapReduce HelloWorld 能调试" 的主题意味着我们将深入理解如何设置、运行以及调试 MapReduce ...
在大数据处理领域,Apriori算法与Hadoop MapReduce的结合是实现大规模数据挖掘的关键技术之一。Apriori算法是一种经典的关联规则学习算法,用于发现数据集中频繁出现的项集,进而挖掘出有趣的关联规则。而Hadoop ...
在大数据处理领域,Hadoop MapReduce 是一种广泛使用的计算框架,尤其在处理大规模数据集时。决策树(Decision Tree)是一种流行的机器学习算法,常用于分类和回归问题。本项目结合了两者,实现了一个名为 MR_...
MapReduce的核心思想是通过将大数据集分割成小块,并在多个计算机节点上进行并行处理,从而实现高效的数据处理。 #### 二、MapReduce工作流程详解 1. **输入切分**:Hadoop将输入文件分割成固定大小的块,每个块...
本章介绍了 Hadoop MapReduce,同时发现它有以下缺点: 1、程序设计模式不容易使用,而且 Hadoop 的 Map Reduce API 太过低级,很难提高开发者的效率。 2、有运行效率问题,MapReduce 需要将中间产生的数据保存到...
【Hadoop MapReduce教程】 Hadoop MapReduce是一种分布式计算框架,设计用于处理和存储大量数据。这个框架使得开发者能够编写应用程序来处理PB级别的数据,即使是在由数千台廉价硬件组成的集群上。MapReduce的核心...