关于自定义数据类型,http://book.douban.com/annotation/17067489/ 一文中给出了一个比较清晰的说明和解释。
以wordCount为例子
定义自己的数据类型Http类
import java.io.DataInput; import java.io.DataOutput; import java.io.IOException; import org.apache.hadoop.io.WritableComparable; public class Http implements WritableComparable<Http> { public Http(){ } private String value; public Http(String value) { setValue(value); } public String getValue() { return value; } public void setValue(String value) { this.value = value; } public void readFields(DataInput in) throws IOException { value = in.readUTF(); } public void write(DataOutput out) throws IOException { out.writeUTF(value); } public int compareTo(Http http) { return (value.compareTo(http.value)); } @Override public int hashCode() { final int prime = 31; int result = 1; result = prime * result + ((value == null) ? 0 : value.hashCode()); return result; } @Override public boolean equals(Object obj) { if (!(obj instanceof Http)) return false; Http other = (Http)obj; return this.value.equals(other.value); } @Override public String toString() { return value; } }
编写wordcount程序
import java.io.IOException; import java.util.StringTokenizer; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.LongWritable; 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 WordCountEntry { public static class TokenizerMapper extends Mapper<LongWritable, Http, Http, IntWritable> { private final static IntWritable one = new IntWritable(1); private Http word = new Http(); public void map(LongWritable key, Http value, Context context) throws IOException, InterruptedException { StringTokenizer itr = new StringTokenizer(value.toString()); while (itr.hasMoreTokens()) { word.setValue(itr.nextToken()); context.write(word, one); } } } public static class IntSumReducer extends Reducer<Http, IntWritable, Http, IntWritable> { private IntWritable result = new IntWritable(); public void reduce(Http 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); } } public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException { Configuration conf = new Configuration(); String[] otherArgs = new GenericOptionsParser(conf, args) .getRemainingArgs(); if (otherArgs.length != 2) { System.err.println("Usage: wordcount <in> <out>"); System.exit(2); } Path input = new Path(args[0]); Path output = new Path(args[1]); Job job = new Job(conf, "word count"); job.setJarByClass(WordCountEntry.class); job.setMapperClass(TokenizerMapper.class); job.setCombinerClass(IntSumReducer.class); job.setReducerClass(IntSumReducer.class); job.setOutputKeyClass(Http.class); job.setOutputValueClass(IntWritable.class); FileInputFormat.addInputPath(job, input); FileOutputFormat.setOutputPath(job, output); System.exit(job.waitForCompletion(true) ? 0 : 1); } }
编写mrUnit测试用例进行mapreduce程序测试
import java.util.ArrayList; import java.util.List; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.mrunit.mapreduce.MapDriver; import org.apache.hadoop.mrunit.mapreduce.ReduceDriver; import org.junit.Before; import org.junit.Test; import com.geo.dmp.WordCountEntry.IntSumReducer; import com.geo.dmp.WordCountEntry.TokenizerMapper; public class WordCountEntryTest { private MapDriver<LongWritable, Http, Http, IntWritable> mapDriver; private ReduceDriver<Http, IntWritable, Http, IntWritable> reduceDriver; @Before public void setUpBeforeClass() throws Exception { TokenizerMapper tm = new TokenizerMapper(); mapDriver = MapDriver.newMapDriver(tm); IntSumReducer isr = new IntSumReducer(); reduceDriver = ReduceDriver.newReduceDriver(isr); } @Test public void TokenizerMapperTest() { mapDriver.withInput(new LongWritable(), new Http("01a55\tablsd")); mapDriver.withOutput(new Http("01a55"), new IntWritable(1)); mapDriver.withOutput(new Http("ablsd"), new IntWritable(1)); mapDriver.runTest(); } @Test public void IntSumReducerTest() { List<IntWritable> values = new ArrayList<IntWritable>(); values.add(new IntWritable(1)); values.add(new IntWritable(1)); reduceDriver.withInput(new Http("01a55"), values); reduceDriver.withOutput(new Http("01a55"), new IntWritable(2)); reduceDriver.runTest(); } }
相关推荐
自定义数据类型必须实现WritableComparable接口,这个接口是Hadoop中用于序列化和比较数据的接口。实现了WritableComparable接口的类,不仅可以将对象写入到Hadoop的数据流中,还能在MapReduce框架中比较这些对象,...
本教程将深入探讨如何在MapReduce作业中创建和使用自定义数据类型,以更好地适应特定业务场景。 一、自定义类型的重要性 在大数据处理中,原始数据往往包含了丰富的结构和信息,这些信息可能无法直接用Hadoop的基础...
在标题“Hadoop 自定义 Partitioner 源代码”中,我们可以理解为讨论的是如何创建和理解 Partitioner 的源代码,以便于开发者可以更好地控制 MapReduce job 中的数据分片过程。自定义 Partitioner 可能涉及到以下...
4. 数据处理:利用Pig、Hive等SQL-like工具进行数据查询和分析,或者编写MapReduce程序实现自定义处理逻辑。 5. 安全管理:设置Hadoop的安全策略,包括权限控制、数据加密和审计日志等,保障数据安全。 6. 性能...
此外,Hadoop支持自定义InputFormat和OutputFormat,以适应不同格式的数据源和结果输出需求。 总结,MapReduce通过分布式计算能力,使得在Hadoop平台上处理大规模数据变得更加高效和便捷。无论是简单的词统计还是...
综上所述,基于Hadoop的游戏数据分析系统通过Java编程实现,能够有效地处理和分析海量游戏数据,帮助游戏公司深入了解用户行为,驱动产品的改进和运营策略的制定。对于开发者而言,深入理解和熟练掌握Hadoop与Java是...
通过这个实验,学生将深入理解Hadoop MapReduce的工作原理,掌握如何处理自定义数据类型,使用Combiner优化性能,以及如何通过Eclipse提交和管理MapReduce任务。这些都是大数据处理和分布式计算中的核心技能,对于...
自定义数据类型 如果需要使用自定义的数据类型,例如自定义的结构体或对象,那么需要继承 Writable 接口,并实现其方法。例如: ```java public class Person implements Writable { private String name; ...
(1)统计全球每年的最高气温和最低气温。 (2)MapReduce输出结果包含年份、最高气温、...(4)结合Combiner和自定义数据类型完成全球每年最高气温和最低气温的统计。 (5)应用ToolRunner的使用和Eclipse提交MapReduce任务。
2. **游戏数据类型**:分析游戏日志,理解常见的游戏数据,如用户行为、游戏事件、付费数据等,以及它们的结构和格式。 3. **数据预处理**:使用Hadoop的工具或自定义MapReduce程序对原始数据进行清洗、转换和整合...
本文将深入探讨如何使用FineBI工具,结合Hadoop和Hive,实现对陌陌聊天数据的深度挖掘与可视化的报表构建。 首先,让我们了解核心组件的作用: 1. **Hadoop**:这是一个开源的分布式计算框架,它允许在大规模集群...
2. **DumpTypedBytes**: 这可能是用于处理二进制数据的工具类,它可能在读取或写入特定格式的数据时被调用,尤其是在处理自定义数据类型时。 3. **Environment.class**: 这可能涉及到 Hadoop Streaming 中的任务...
### Hadoop数据仓库工具Hive介绍 #### 一、简介 **1.1 Hive是什么** Hive是一款构建在Hadoop之上的数据仓库工具,它利用HDFS(Hadoop Distributed File System)进行数据存储,并通过Hadoop MapReduce来执行数据...
4. 复杂数据类型和算法:例如,使用SequenceFile存储自定义数据类型,或应用更复杂的排序和聚合算法。 5. 集群监控与管理:通过Ambari等工具监控Hadoop集群状态,进行故障排查和性能调优。 6. Spark与Hadoop集成:...
- 对于“增删改查”操作,我们可以定义自定义的Repository接口,扩展Spring Data Hadoop提供的方法,比如`save()`, `delete()`, `findById()`, `findAll()`等。 - 而具体的数据操作逻辑,如MapReduce任务,可以...
ong(this.upFlow); out.writeLong(this.downFlow); out.writeLong(this.sumFlow);...在统计手机号码的流量数据案例中,`FlowBean`就是这样一个关键的自定义数据类型,使得我们可以高效地处理和分析用户流量信息。
Hive 是一个基于 Hadoop 的数据仓库工具,它允许用户使用类似于 SQL 的查询语言(称为 HiveQL 或 HQL)对大规模数据集进行分析和处理。Hive 的设计初衷是为了简化大数据处理,使得非编程背景的用户也能方便地进行...
此外,鉴于数据类型和数量的爆炸性增长,大数据领域的人才相对紧缺,特别是 Hadoop 分布式集群搭建、HDFS 和 MapReduce 使用等方面的专业人才尤为抢手。 #### Hadoop 在大数据、云计算中的位置和关系 - **云计算...
1.5.1 数据类型 1.5.2 操作和函数 1.6 表 1.6.1 托管表(Managed Tables)和外部表(External Tables) 1.6.2 分区(Partitions)和桶(Buckets) 1.6.3 存储格式 1.6.4 导入数据 1.6.5 表的修改 1.6.6 表...