[大数据]【Java书籍送送送】MapReduce的安装和基础编程

• 🎉粉丝福利送书：《 Java多线程与大数据处理实战》
• 🎉点赞 👍 收藏 ?留言 📝 即可参与抽奖送书
• 🎉下周二(10月26日)晚上20：00将会在【点赞区和评论区】抽一位粉丝送这本北京大学出版社的书~🙉
• 🎉详情请看第六点的介绍嗷~?

1.词频统计任务要求

本地编辑txt文件

填入文字

编写文档入其中

1.1 MapReduce程序编写方法

导入包

• mapreduce下所有jar

• common下所有jar
  

• common/lib下所有jar
  

• yarn下所有包

• hdfs下所有包
  

在hdfs上创建input，output文件夹。

查看是否创建

上传刚刚新建立的wordfile1.txt和wordfile2.txt到hdfs文件中！

查看是否上传成功！

1.1.1 编写Map处理逻辑

在Map阶段，文件wordfile1.txt和文件wordfile2.txt中的文本数据被读入，以<key , value>的形式提交给Map函数进行处理，其中key是当前读取到的行的地址偏移量，value是当前读取到的行的内容。<key , value>提交给Map函数以后，就可以运行自定义的Map处理逻辑，对value进行处理，然后以特定的键值对的形式进行输出，这个输出将作为中间结果，继续提供给Reduce阶段作为输入数据。

    public static class TokenizerMapper extends Mapper<Object, Text, Text,
            IntWritable> {
        private static final IntWritable one = new IntWritable(1);
        private Text word = new Text();

        public TokenizerMapper() {
        }

        public void map(Object key, Text value, Mapper<Object, Text, Text,
                IntWritable>.Context context) throws IOException, InterruptedException {
            StringTokenizer itr = new StringTokenizer(value.toString());
            while (itr.hasMoreTokens()) {
                this.word.set(itr.nextToken());
                context.write(this.word, one);
            }
        }
    }

1.1.2 编写Reduce处理逻辑

Map阶段得到的中间结果，经过Shuffle阶段（分区、排序、合并）以后，分发给对应的Reduce任务去处理。对于该阶段而言，输入是<key , value-list>形式，例如，<’Hadoop’, <1,1>>。Reduce函数就是对输入中的value-list进行求和，得到词频统计结果。

    public static class IntSumReducer extends Reducer<Text, IntWritable,
            Text, IntWritable> {
        private IntWritable result = new IntWritable();

        public IntSumReducer() {
        }

        public void reduce(Text key, Iterable<IntWritable> values,
                           Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws
                IOException, InterruptedException {
            int sum = 0;
            IntWritable val;
            for (Iterator i$ = values.iterator(); i$.hasNext(); sum += val.get()) {
                val = (IntWritable) i$.next();
            }
            this.result.set(sum);
            context.write(key, this.result);
        }
    }

1.1.3 编写main方法

    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();// 加载hadoop配置
        conf.set("fs.defaultFS", "hdfs://localhost:9000");
        String[] otherArgs = new String[]{"/input/wordfile1.txt","/input/wordfile2.txt","/output/output"};
        if (otherArgs.length < 2) {
            System.err.println("Usage: wordcount <in> [<in>...] <out>");
            System.exit(2);
        }
        Job job = Job.getInstance(conf, "word count");
        job.setJarByClass(WordCount.class);
        job.setMapperClass(WordCount.TokenizerMapper.class);
        job.setCombinerClass(WordCount.IntSumReducer.class);
        job.setReducerClass(WordCount.IntSumReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        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);
    }

2 完整的词频统计程序

3. 编译打包程序

3.1 使用命令行编译打包词频统计程序

3.2 使用IDEA编译打包词频统计程序

4. 运行程序

如果要再次运行WordCount.jar，需要先删除HDFS中的output目录，否则会报错。

5. 编程题

5.1 根据附件的数据文件flow_data.dat , 编程完成下面需求：

统计每个手机号的上行流量总和，下行流量总和，上行总流量之和，下行总流量之和
( Hint:以手机号码作为key值，上行流量，下行流量，上行总流量，下行总流量四个字段作为value值，然后以这个key，和value作为map阶段的输出，reduce阶段的输入。)

• 定义一个结构

public static class FlowBean implements Writable {
        private long upflow;
        private long downflow;
        private long sumflow;

        public FlowBean() {

        }

        public long getUpflow() {
            return upflow;
        }

        public void setUpflow(long upflow) {
            this.upflow = upflow;
        }

        public long getDownflow() {
            return downflow;
        }

        public void setDownflow(long downflow) {
            this.downflow = downflow;
        }

        public long getSumflow() {
            return sumflow;
        }

        public void setSumflow(long sumflow) {
            this.sumflow = sumflow;
        }


        public FlowBean(long upflow, long downflow) {
            this.upflow = upflow;
            this.downflow = downflow;
            this.sumflow = upflow + downflow;
        }

        public void write(DataOutput output) throws IOException {
            output.writeLong(this.upflow);
            output.writeLong(this.downflow);
            output.writeLong(this.sumflow);
        }

        public void readFields(DataInput Input) throws IOException {
            this.upflow = Input.readLong();
            this.downflow = Input.readLong();
            this.sumflow = Input.readLong();
        }

        @Override
        public String toString() {
            return this.upflow + "\t" + this.downflow + "\t" + this.sumflow;
        }
    }

• 主函数

import java.io.IOException;
import java.util.Objects;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
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.io.LongWritable;
import org.apache.hadoop.io.Writable;

import java.io.DataInput;
import java.io.DataOutput;

public class PhoneCount {
    public PhoneCount() {
    }

    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();// 加载hadoop配置
        conf.set("fs.defaultFS", "hdfs://localhost:9000");
        String[] otherArgs = new String[]{"/phone/input/flow_data.dat","/phone/output4"};
        Job job = Job.getInstance(conf);
        job.setJarByClass(PhoneCount.class);
        job.setMapperClass(MapWritable.class);
        job.setReducerClass(ReduceWritable.class);
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(FlowBean.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(FlowBean.class);
        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]));
        job.waitForCompletion(true);
    }

• map操作

    public static class MapWritable extends Mapper<LongWritable, Text,Text,FlowBean> {
        @Override
        protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
            String line = value.toString();
            System.out.println("line");
            System.out.println(line);
            String[] fields = line.split("\t");
            if (Objects.equals(fields[fields.length - 3], "上行总和")){

            } else {
                long upflow = Long.parseLong(fields[fields.length - 3]);
                long downflow = Long.parseLong(fields[fields.length - 2]);
                context.write(new Text(fields[1]), new FlowBean(upflow, downflow));
            }
        }
    }

• reduce 操作

    public static class ReduceWritable extends Reducer<Text,FlowBean,Text,FlowBean> {
        @Override
        protected void reduce(Text key, Iterable<FlowBean> values, Context context) throws IOException, InterruptedException {
            //定义两个计数器，计算每个用户的上传流量、下载流量
            long sumupflow = 0;
            long sumdownflow = 0;
            //累加的号的流量和
            for (FlowBean f: values) {
                sumupflow+=f.getUpflow();
                sumdownflow+=f.getDownflow();
            }
            //输出
            context.write(key,new FlowBean(sumupflow,sumdownflow));
        }
    }

5.2 附加题（选做）

MapReduce 实现最短路径算法，最优路径算法是路径图中满足通路上所有顶点（除起点、终点外）各异，所有边也各异的通路。
应用在公路运输中，可以提供起点和终点之间的最短路径，节省运输成本。可以大大提高交通运输效率。
给定下述路径图
：

请编程计算出A到C之间的最短路径大小

6. 福利送书

【内容简介】

《亿级流量Java高并发与网络编程实战》 系统全面的介绍了开发人员必学的知识，如JVM、网络编程、NIO等知识，让开发人员系统地掌握JAVA高并发与网络编程知识。

《亿级流量Java高并发与网络编程实战》分为10章，内容如下。

• 第1章，主要讲高并发相关JVM原理解析
• 第2章，主要讲 Java 网络编程
• 第3章，主要讲 Java NIO
• 第4章，主要讲并发框架Disruptor
• 第5章，主要讲微服务构建框架Spring Boot
• 第6章，主要讲微服务治理框架Spring Cloud/Dubbo
• 第7章，主要讲 Java高并发网络编程框架Netty - 实战应用
• 第8章，主要讲 Java高并发网络编程框架Netty - 深度解读
• 第9章，主要讲海量数据的高并发处理
• 第10章，主要讲基于高并发与网络编程的大型互联网项目实战。

本书主要面向面向零基础及入门级读者，Java从业人员。

【评论区】和 【点赞区】 会抽一位粉丝送出这本书籍嗷~

当然如果没有中奖的话，可以到钉钉，京东北京大学出版社的自营店进行购买。

也可以关注我！每周都会送一本出去哒~

最后

小生凡一，期待你的关注。