首页 > 代码库 > Map/Reduce的类体系架构
Map/Reduce的类体系架构
Map/Reduce的类体系架构
Map/Reduce案例解析:
先以简单的WordCount例程, 来讲解如何去描述Map/Reduce任务.
public static void main(String[] args) throws Exception { // *) 创建Configuration类, 用于获取Map/Reduce的执行环境 Configuration conf = new Configuration(); // *) 对命令行参数进行解析 String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs(); if (otherArgs.length != 2) { System.err.println("Usage: wordcount <in> <out>"); System.exit(2); } // *) 创建Job任务实例 Job job = new Job(conf, "word count"); job.setJarByClass(WordCount.class); // *) 设置Mapper类 job.setMapperClass(TokenizerMapper.class); // *) 设置Combiner类 job.setCombinerClass(IntSumReducer.class); // *) 设置Reducer类 job.setReducerClass(IntSumReducer.class); // *) 设置输出结果的Key类型为Text job.setOutputKeyClass(Text.class); // *) 设置输出结果的Value类型为Text job.setOutputValueClass(IntWritable.class); // *) 设置InputFormat和OutputFormat的HDFS路径 FileInputFormat.addInputPath(job, new Path(otherArgs[0])); FileOutputFormat.setOutputPath(job, new Path(otherArgs[1])); // *) 等待Map/Reduce任务结束 System.exit(job.waitForCompletion(true) ? 0 : 1);}
评注: 具体的一个Job需要设置Mapper和Reducer类, 来决定如何处理数据. 而对于InputFormat/OutputFormat则决定了其数据输入/输出源.
Mapper类的解析
Mapper抽象类, 引入内部抽象类Context, 通过采用模板方法的设计模式.
public class Mapper<KEYIN, VALUEIN, KEYOUT, VALUEOUT> { public abstract class Context implements MapContext<KEYIN,VALUEIN,KEYOUT,VALUEOUT> { } protected void setup(Context context) throws IOException, InterruptedException { } protected void map(KEYIN key, VALUEIN value, Context context) throws IOException, InterruptedException { context.write((KEYOUT) key, (VALUEOUT) value); } protected void cleanup(Context context) throws IOException, InterruptedException { } // *) 采用模板方法来实现 public void run(Context context) throws IOException, InterruptedException { }}
评注: setup扮演map初始化的工作, cleanup是map任务结束后的工作, 而map则是具体key/value对操作的处理函数.
来具体看下map函数中精华run函数的定义:
// *) map阶段的初始化工作setup(context);try { // *) 循环遍历key/value对 while (context.nextKeyValue()) { // *) 进行map回调处理 map(context.getCurrentKey(), context.getCurrentValue(), context); }} finally { // *) map阶段的清除工作 cleanup(context);}
评注: 采用类模板方法的设计模式(setup, map, cleanup, 通过run函数合理的串联)
InputFormat类的构成
InputFormat中最重要的两个类是InputSplit和RecordReader.
*) InputSplit: 是Map数据源的一个分片, 对应于一个具体map任务.
*) RecordReader: 针对一个具体的InputSplit, 封装的一个记录读取器.
具体代码如下所示:
public abstract class InputFormat<K, V> { // *) 获取InputSplit, 用于Map数据的拆分依据 public abstract List<InputSplit> getSplits(JobContext context) throws IOException, InterruptedException; // *) 针对InputSplit, 获取RecordReader类实例 public abstract RecordReader<K,V> createRecordReader( InputSplit split, TaskAttemptContext context) throws IOException, InterruptedException;}
评注: InputSplit数决定Map个数, 同时决定了数据的划分和规模, 而RecordReader则决定Key/Value的格式和具体数值. 这些概念对于数据的生成至关重要.
Reducer/OutputFormat
Reducer类和Mapper类定义类似, OutputFormat类与InputFormat类似, 简略之.
总结:
该文还没有完结, 先占个坑....
Map/Reduce的类体系架构