分布式处理框架MapReduce

分布式处理框架MapReduce

目录

1.MapReduce概述

2.MapReduce编程模型

3.MapReduce架构

4.MapReduce编程

---

本文是慕课网大数据的学习笔记与总结：

1.MapReduce概述

​ 1.优点：海量数量离线处理&易开发&易运行

​ 2.缺点：没办法满足实时流式计算

2.MapReduce编程模型

​ wordCount:统计文件中，每个单词出现的次数

​ 需求：求wordCount

​ 1.文件内容小：可以用shell解决

​ 2.文件内容很大：达到TB，GB级别==>利用分布式框架解决：如mapReduce

核心概念

​ Split：交由MapReduce作业来处理的数据块，是MapReduce中最小的计算单元

​ HDFS：blockSize 是HDFS中最小的存储单元默认为128M

​ 默认情况下：split和HDFS的Block他们两个是一一对应的关系，当然也可以手工设置（不建议）

​ InputFormat:将我们的输入数据进行分片（split）

​ TextInpuFormat：处理文本格式的数据

​ OutputFormat：与上面InputFormat对应处理输出

​ Combiner,Partitioner 下文会介绍到

3.MapReduce架构

​ MapReduce1.x的架构

​ 1.JobTracker:JT

​ 作业的管理者

​ 将作业分解成一堆的任务：Task（MapTask和ReduceTask）

​ 将任务分派给TaskTracker运行

​ 作业的监控，容错处理（task作业挂了，重启task的机制）

​ 在一定的时间间隔内，JT没有收到TT的心跳信息，TT可能是挂了，TT上运行的任务会被指派到其他TT上去执行

​ 2.TaskTracker：TT

​ 任务的执行者 干活的

​ 在TT上执行我们的Task（MapTask和

ReduceTask）

​ 会与JT进行交互：执行/启动/停止作业，发送心跳信息给JT

​ 3.MapTask

​ 自己开发的map任务交由该Task处理

​ 解析每条记录的数据，交给自己的map方法处理

​ 将map的输出结果写到本地磁盘

​ 4.ReduceTask

​ 将Map Task输出的数据进行读取

​ 按照数据进行分组，分组之后传给我们自己编写的reduce方法处理

​ 输出结果写到hdfs

4.MapReduce编程

1.使用MapReduce开发WordCount应用程序

public class WordCountApp{
    //Map:读取输入文件 
    //longWritable本质上就是存储长整型的值
    //LongWritable 文件的偏移量 Text是一行一行的数据 
    //Text 为输入的数据经过map操作过后的输出 即是单词，所以是字符串，所以在hadoop中为Text类型
    //最后一个泛型：longWritable记录该单词出现的频率
    //前面两个参数代表输入的参数，后面两个代表map作业的输出类型
    public static class MyMapper extends Mapper<LongWritable,Text,Text,LongWritable>{
        LongWritable one=new LongWritable(1);
        //LongWritable key 偏移量 
        //Text value 每一行的字符串
        protected void map(LongWritable key,Text value,Context context) throws IoException{
            //接收到的每一行数据，给他转成string类型方便以后操作
            String line=value.toString();
            //按照指定分隔符进行拆分
            String[] words=line.split(" ");
            for(String word:words)
            {
                //通过上下文把map的处理结果输出
                context.write(new Text(word),one);
            }
        }
    }
    //Reduce:归并操作
    public static class MyReducer extends Reducer<Text,LongWritable,Text,LongWritable>{
        protected void reduce（Text key,Iterable<LongWritable>values,Context context)throws Excpetion{
            //统计单词次数
            long sum=0;
            for(LongWritable value:values){
                sum+=value.get();
            }
            //最终统计结果的输出
            context.write(key,new LongWritable(sum));
        }
    }
    //定义Driver：封装了MapReduce作业的所有信息
    public static void main(String[] args)
    {
        //创建Configuration
        Configuration configuration=new Configuration();
        //创建作业
        Job job=job.getInstance(configuration,"wordcount");
        //设置Job的处理类
        job.setJarByClass(WordCountApp.class);
        //设置作业处理的输入路径
        FileInputFormat.setInputPaths(job,new Path(args[0]));
        //设置map相关参数
        job.setMapperClass(MyMapper.class);
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(LongWritable.class);
        //设置reduce相关参数
        job.setReducerClass(MyReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(LongWritable.class);
        //设置作业处理的输出路径
        FileOutputFormat.setOutputPath(job,new Path(args[1]));
        //提交
        System.exit(job.waitForCompletion(true)?0:1);
    }
}

1.1打成jar包

1.2将jar包上传到服务器 ~/lib

#1.3 运行jar包
cd /home/hadoop/lib
hadoop jar 2018-7-15_hdfs_02-0.0.1-SNAPSHOT.jar test.MapReduceApp hdfs://hadoop000:8020/hello.txt hdfs://hadoop000:8020/output/wc

问题：相同的代码和脚本再次执行，会报错

在MR中，输出文件是不能实现存在的

1.先通过shell的方式将输出文件夹先删除

2.在代码中完成自动删除(推荐)

​ 在main方法中添加

Path outputPath=new Path(args[1]);
FileSystem fileSystem=FileSystem.get(configuration);
if(fileSystem.exists(outputPath)){
    fileSystem.delete(outputPath,true);
    System.out.println("output file exists,but is has deleted");
}

2.MapReduce编程之Combiner

​ 本地的reducer

​ 减少Map Tasks输出的数据量及数据网络传输量

​ 对上面代码进行改动加入combiner

//Reduce:归并操作
    public static class MyReducer extends Reducer<Text,LongWritable,Text,LongWritable>{
        protected void reduce（Text key,Iterable<LongWritable>values,Context context)throws Excpetion{
            //统计单词次数
            long sum=0;
            for(LongWritable value:values){
                sum+=value.get();
            }
            //最终统计结果的输出
            context.write(key,new LongWritable(sum));
        }
    }
    //定义Driver：封装了MapReduce作业的所有信息
    public static void main(String[] args)
    {
        //创建Configuration
        Configuration configuration=new Configuration();
        //创建作业
        Job job=job.getInstance(configuration,"wordcount");
        //设置Job的处理类
        job.setJarByClass(WordCountApp.class);
        //设置作业处理的输入路径
        FileInputFormat.setInputPaths(job,new Path(args[0]));
        //设置map相关参数
        job.setMapperClass(MyMapper.class);
        job.setMapOutputClass(Text.class);
        job.setMapOutputValueClass(LongWritable.class);
        //设置reduce相关参数
        job.setReducerClass(MyReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(LongWritable.class);
        //通过job设置combiner处理类，其实逻辑上和我们的reduce是一模一样
        job.setCombinerClass(MyReducer.class);
        //设置作业处理的输出路径
        FileOutputFormat.setOutputPath(job,new Path(args[1]));
        //提交
        System.exit(job.waitForCompletion(true)?0:1);
    }
}

使用场景：

​ 求和，次数

​ 平均数（不可用）

3.MapReduce编程之Partitioner

​ Partitioner决定MapTask输出的数据交由那个ReduceTask处理

​ 默认实现：分发的key的hash值对ReduceTask个数取模

​ 案例：需求有两天的手机销售额，输出相同品牌手机销售额的和

//1 创建mapper处理类
public class MyMapper extends Mapper<LongWritable,Text, Text, LongWritable> {
​
    @Override
    protected void map(LongWritable key, Text value,Context context)
            throws IOException, InterruptedException {
        //将value转化成字符串
        String valueStr = value.toString();
        //按照空格划分
        String[] strArray = valueStr.split(" ");
        //输出
        context.write(new Text(strArray[0]), new LongWritable(Long.valueOf(strArray[1])));
    }
    
}

//创建reducer处理类
public class MyReducer extends Reducer<Text, LongWritable,Text, LongWritable>{
    @Override
    protected void reduce(Text text, Iterable<LongWritable> it,Context context) throws IOException, InterruptedException {
        long sum=0L;
        for (LongWritable longWritable : it) {
            sum+=longWritable.get();
        }
        context.write(text, new LongWritable(sum));
    }
​
}
​

//3 创建partitioner处理类
public class MyPartitioner extends Partitioner<Text, LongWritable>{
​
    @Override
    public int getPartition(Text key, LongWritable value, int numPartitions) {
        String strKey=key.toString();
        if(strKey.equals("xiaomi"))
        {
            return 0;
        }
        else if(strKey.equals("huawei"))
        {
            return 1;
        }
        else if(strKey.equals("iphone7"))
        {
            return 2;
        }
        else {
            return 3;
        }
    }
    
}

//4  创建执行类
public class Partitioner {
    public static void main(String[] args) throws Exception {
        Configuration configuration = new Configuration();
        //解决输出文件存在
        FileSystem fileSystem = FileSystem.get(configuration);
        if(fileSystem.exists(new Path(args[1])))
        {
            fileSystem.delete(new Path(args[1]), true);
            System.out.println("the file exist,but it is deleted");
        }
        //设置作业
        Job job = Job.getInstance(configuration, "partitioner");
        //设置处理类
        job.setJarByClass(Partitioner.class);
        //设置输入路径
        FileInputFormat.setInputPaths(job, args[0]);
        //设置map相关配置
        job.setMapperClass(MyMapper.class);
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(LongWritable.class);
        //设置reduce相关配置
        job.setReducerClass(MyReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setMapOutputValueClass(LongWritable.class);
        //设置combiner
        job.setCombinerClass(MyReducer.class);
        //设置partitioner
        job.setPartitionerClass(MyPartitioner.class);
        job.setNumReduceTasks(4);
        //设置输出
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        System.exit(job.waitForCompletion(true)?0:1);
    }
}
​

#5 将java文件打成jar包
#6 将jar包放到linux服务器上
#7 运行该jar包
cd /home/hadoop/lib
hadoop jar 2018-7-15_mapreduce_01-0.0.1-SNAPSHOT.jar com.mapreduce.Partitioner hdfs://hadoop000:8020/partitioner.txt hdfs://hadoop000:8020/output/phoneSale

4.jobHistory

​ 记录已经运行完的MapReduce信息到指定的HDFS目录下

​ 默认是不开启的

​ 开启步骤

​ 1.需要在配置文件中进行配置

    cd /home/hadoop/app/hadoop-2.6.0-cdh5.7.0/etc/hadoop
    vim mapred-site.xml

​

<property>
    <name>mapreduce.jobhistory.address</name>
    <value>hadoop000:10020</value>
    <description>MapReduce JobHistory Server IPC host:port</description>
</property>
<property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>hadoop000:19888</value>
    <description>MapReduce JobHistory Server Web UI host:port</description>
</property>
<property>
    <name>mapreduce.jobhistory.done-dir</name>
    <value>/history/done</value>
</property>
<property>
    <name>mapreduce.jobhistory.intermediate-done-dir</name>
    <value>/history/done_intermediate</value>
</property>

​ 2.重启yarn服务

cd /home/hadoop/app/hadoop-2.6.0-cdh5.7.0/sbin
./stop-yarn.sh
./start-yarn.sh

​ 3.开启 jobhistory

​ 进入到hadoop的sbin目录下

​ ./mr-jobjobhistory-daemon.sh start historyserver

​ 4.验证

​ jsp出现jobhistory进程

​ 5.进行测试

cd /home/hadoop/app/hadoop-2.6.0-cdh5.7.0/share/hadoop/mapreduce
#执行mapreduce案例
hadoop jar hadoop-mapreduce-examples-2.6.0-cdh5.7.0.jar pi 2 3

​ 6.打开网页查看结果，并点击history

跳转到如下页面说明配置成功

问题：点击logs出现错误信息

6.   配置yarn的聚合功能

vim yarn-site.xml

<!--添加下面参数-->
<property>
    <name>yarn.log-aggregation-enable</name>
    <value>true</value>
</property>