大数据hadoop学习【14】-----通过JAVA编程实现对MapReduce的数据进行排序

上次的博客中，林君学长通过java编程实现了对MapReduce的数据去重；本次博客，我们将深入了解MapReduce，并通过java编程实现对文件数据中数据的排序，一起看步骤吧！

• 本次排序要求： 对输入文件中数据进行排序。输入文件中的每行内容均为一个数字，即一个数据。要求在输出中每行有两个间隔的数字，其中，第一个代表原始数据在原始数据集中的位次，第二个代表原始数据。

一、数据准备

1、ubuntu文件系统中准备对应数据文件

1）、在对应位置创建file3.txt文件，并写入相关数据：文件中的每行都是一个数据
（1）、创建file3.txt文件，并打开

cd ~/lenovo/data
touch file3.txt
gedit file3.txt

其中 ~/lenovo/data为林君自己创建的文件夹
（2）、写入文件内容如下所示：

2
32
654
32
15
756
65223

2）、在相同位置创建file4.txt文件，并写入数据，两个文件中的数据应该要有相同的和不同的，且文件中的每行都是一个数据
（1）、创建file4.txt文件，并打开

touch file4.txt
gedit file4.txt

（2）、写入文件内容如下所示：

5956
22
650
92

3）、在相同位置创建file5.txt文件，并写入数据，两个文件中的数据应该要有相同的和不同的，且文件中的每行都是一个数据
（1）、创建file5.txt文件，并打开

touch file5.txt
gedit file5.txt

（2）、写入文件内容如下所示：

26
54
6

2、运行hadoop

1）、终端输入以下命令运行hadoop

start-dfs.sh

2）、查看hadoop是否成功运行

jps

出现以上4个节点则为成功运行！

3、将文件上传至hadoop文件系统

1）、在hdfs文件系统中创建file2目录用来存放我们上传的文件

hdfs dfs -mkdir /user/hadoop/file2

2）、将file3.txt文件上传至hdfs文件系统中的file2目录

hdfs dfs -put ~/lenovo/data/file3.txt /user/hadoop/file2

3）、将file4.txt文件上传至hdfs文件系统中的file2目录

hdfs dfs -put ~/lenovo/data/file4.txt /user/hadoop/file2

4）、将file5.txt文件上传至hdfs文件系统中的file2目录

hdfs dfs -put ~/lenovo/data/file5.txt /user/hadoop/file2

5）、查看文件是否上传成功

hdfs dfs -ls /user/hadoop/file2

6）、查看文件内容是否一致

hdfs dfs -cat /user/hadoop/file2/file3.txt
hdfs dfs -cat /user/hadoop/file2/file4.txt
hdfs dfs -cat /user/hadoop/file2/file5.txt

二、编写java程序

1、打开eclipse，编写数据排序的java代码

1）、新建类Sort ，其中java代码如下所示：

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
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;
import java.io.IOException;
/**
 * 数字排序
 */
public class Sort{
    /**
     * 使用Mapper将数据文件中的数据本身作为Mapper输出的key直接输出
     */
    public static class forSortedMapper extends Mapper<Object, Text, IntWritable, IntWritable> {
        private IntWritable mapperValue = new IntWritable(); //存放key的值
        public void map(Object key, Text value, Context context)
                throws IOException, InterruptedException {
            String line = value.toString(); //获取读取的值，转化为String
            mapperValue.set(Integer.parseInt(line)); //将String转化为Int类型
            context.write(mapperValue,new IntWritable(1)); //将每一条记录标记为（key，value） key--数字 value--出现的次数
                                                                //每出现一次就标记为（number，1）
        }
    }
    /**
     * 使用Reducer将输入的key本身作为key直接输出
     */
 public static class forSortedReducer extends Reducer<IntWritable, IntWritable, IntWritable, IntWritable>{
        private IntWritable postion = new IntWritable(1); //存放名次
        @SuppressWarnings("unused")
		@Override
        protected void reduce(IntWritable key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
            for (IntWritable item :values){ //同一个数字可能出多次，就要多次并列排序
                context.write(postion,key); //写入名次和具体数字
                System.out.println(postion + "\t"+ key);
                postion = new IntWritable(postion.get()+1); //名次加1
            }
        }
    }
    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration(); //设置MapReduce的配置
        String[] otherArgs = new GenericOptionsParser(conf,args).getRemainingArgs();
        if(otherArgs.length < 2){
            System.out.println("Usage: Sort <in> [<in>...] <out>");
            System.exit(2);
        }
        //设置作业
        //Job job = new Job(conf);
        Job job = Job.getInstance(conf);
        job.setJarByClass(Sort.class);
        job.setJobName("SortedData");
        //设置处理map,reduce的类
        job.setMapperClass(forSortedMapper.class);
        job.setReducerClass(forSortedReducer.class);
        //设置输入输出格式的处理
        job.setOutputKeyClass(IntWritable.class);
        job.setOutputValueClass(IntWritable.class);
        //设定输入输出路径
        for (int i = 0; i < otherArgs.length-1;++i){
            FileInputFormat.addInputPath(job,new Path(otherArgs[i]));
        }
        FileOutputFormat.setOutputPath(job, new Path(otherArgs[otherArgs.length-1]));
        System.exit(job.waitForCompletion(true)?0:1);
    }
}

在MapReduce流程中，Map的输出<Key,value>经过shuffle过程聚集成<key,value-list>后会被交给Reduce。所以从设计好的Reduce输入可以反推出Map的输出的Key应为数据，而value为任意值。继续反推，Map输出的Key为数据。而在这个实例中每个数据代表输入文件中的一行内容，所以Map阶段要完成的任务就是在采用Haodoop默认的作业输入方式之后，将value设置成Key，并直接输出（输出中的value任意）。Map中的结果经过shuffle过程之后被交给reduce。在Reduce阶段不管每个Key有多少个value，都直接将输入的Key复制为输出的Key，并输出就可以了（输出中的value被设置成空）

2）、运行，测试代码没有问题

控制台出现如上显示则代码没有问题！

2、将java文件打包成jar

1）、按照如下截图步骤镜像jar打包

2）、选择JAR file

3）、选择导出的类和导出路径

4）、点击ok

5）、导出成功

出现finished则为导出成功！
6）、找到对应路径，查询该包是否成功导出

出现以上箭头的jar包，则导出成功，然后关闭eclipse

三、结果测试

1、终端运行jar包

1）、终端输入如下命令运行我们导出的jar包

hadoop jar ~/lenovo/bigData/myapp/Sort.jar /user/hadoop/file2 /user/hadoop/output3

提示： 路径 /user/hadoop/output3中的output3不用我们创建，该命令会自动帮我们创建的，但我们输入的output3是要保证hdfs中没有与之相同的名称哦，不然会报错的，其中 /user/hadoop/file2是我们创建好的保存测试文件的目录哦！
2）、出现如下界面则为成功运行

2、查看运行结果

1）、终端输入以下命令查看我们排序的结果

hdfs dfs -cat /user/hadoop/output3/*

2）、查看结果如下所示：

3、运行结果分析

1）、最开始的三个文件数据及最后运行结果的数据如下所示：

上面的左边为file3.txt，中间为file4.txt，右边为为file5.txt

上面为最终的运行结果

2）、在上面的结果中我们可以看出，运行出来的结果将我们上面三个文件的结果相结合为一个文件
3）、除此之外，该代码还实现了对数据的排序从小到大依次排序成功，达到了我们要求的结果展示！
4）、需要注意的是:如果要再次运行Sort.jar，需要首先删除HDFS中的output3目录，否则会报错

4、实验结束，关闭hadoop

stop-dfs.sh

以上就是本次博客的全部内容啦，通过对本次博客的阅读，希望小伙伴理解如何通过java对MapReduce的数据进行操作，进而理解原理，这样以后的编程中，就可以通过原理编程，而不是面向百度编程！
遇到问题的小伙伴记得留言评论哦，林君学长看到会为大家解答的，这个学长不太冷！
陈一月的又一天编程岁月^ _ ^