Hadoop学习---第三篇Hadoop的第一个Mapreduce程序，hadoopmapreduce

Hadoop学习---第三篇Hadoop的第一个Mapreduce程序，hadoopmapreduce

Mapreducer程序写了好几个了，但是之前一直都没有仔细的测试过本地运行和集群上运行的区别，今天写了一个Mapreduce程序，在此记录下来。

 本地运行注意事项有以下几点：

1、本地必须配置好Hadoop的开发环境

2、在src里不加入配置文件运行，或者如果本地的src里有mapred-site.xml和yarn-site.xml配置文件，那么mapreduce.framework.name=local以及yarn.resourcemanager.hostname=local 

测试说明：src里的配置文件修改为本地后打出jar包到集群运行，测试发现读取的是集群的配置文件，而不是本地src里面的配置文件，src配置主要是在本地运行时读取，没有         配置那么读取的是default.xml配置文件

       以下是Mapreduce的代码：

package cn.zxl.mrlocalrun;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
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;

public class MapreduceLocalRunTest {
	static class MapreduceLocalRunTestMapper extends Mapper<LongWritable, Text, Text, Text>{
		@Override
		protected void map(LongWritable key, Text value,Context context)
				throws IOException, InterruptedException {
			String line=value.toString();
			String[] fields=line.split("@");
			String name=fields[0];
			String idserial=fields[1];
			String sex=fields[2];
			context.write(new Text(name), new Text(idserial+"\t"+sex));
			
		}
	}
	//reducer代码块虽然没有写排序，但是默认会根据key进行排序
	static class MapreduceLocalRunTestReducer extends Reducer<Text, Text, Text, Text>{
		@Override
		protected void reduce(Text key, Iterable<Text> values,Context context)
				throws IOException, InterruptedException {
			for(Text value:values){
				context.write(key, value);
			}
		}
	}
	//本地运行程序测试，不在Hadoop集群测试程序
	//特别说明：本地必须配置好Hadoop的开发环境，在src里不加入配置文件运行，
	//如果本地的src里有mapred-site.xml和yarn-site.xml配置文件，那么mapreduce.framework.name=local以及yarn.resourcemanager.hostname=local
	//src里的配置文件修改为本地后打出jar包到集群运行，测试发现读取的是集群的配置文件，而不是本地src里面的配置文件，src配置主要是在本地运行时读取，没有配置那么读取的是default.xml配置文件
	/**
	 * 说明：main右键--->选择Run As--->Run Configuration--->Name:指定运行的类名;
	 * Main里：Protect指定工程名; Main class指定主函数的包名+类名--->Arguments里的Program arguments:
	 * 指定要输入的参数，本类指定输入数据源和输出数据源的路径E:\localrun\data\Users.txt  E:\localrun\data\out
	 * @param args
	 * @throws Exception
	 */
	public static void main(String[] args) throws Exception {
		Configuration conf=new Configuration();
		
		Job job=Job.getInstance(conf);
		//指定jar类
		job.setJarByClass(MapreduceLocalRunTest.class);
		//指定mapper和reducer类
		job.setMapperClass(MapreduceLocalRunTestMapper.class);
		job.setReducerClass(MapreduceLocalRunTestReducer.class);
		//job.setNumReduceTasks(0);//不运行reducer，程序也不会进行排序
		//指定map输出key和value的类型，如果和reducer类型一致，mapper的输出可以省略不写，默认和reducer一致
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(Text.class);
		//指定reducer的key和value输出类型
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(Text.class);
		//分别指定数据源的输入和数据的输出路径，在集群上输入的是hdfs里的路径，而不是本地路径
		FileInputFormat.setInputPaths(job, new Path(args[0]));
		FileOutputFormat.setOutputPath(job, new Path(args[1]));
		
		job.waitForCompletion(true);
	}
}

src下的mapred-site配置文件：

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>


<!-- Put site-specific property overrides in this file. -->

<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>local</value>
</property>
</configuration>

<?xml version="1.0"?>

<configuration>

<!-- Site specific YARN configuration properties -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>local</value>
</property>


<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>

</configuration>

测试数据：

Jenny@123456@girl
Jack@456789@boy
Tom@012345@boy
Luccy@987654@girl