理解 MapReducer

  本教程中的代码分为 3 个部分：

解释 SalesMapper 类

解释 SalesCountryReducer 类

解释 SalesCountryDriver 类

SalesMapper类的说明

在本节中，我们将了解 SalesMapper 类的实现。

我们首先指定类的包名称。 SalesCountry 就是这个示例中使用的包名。请注意编译的输出，SalesMapper.class 将进入目录并命名这个软件包名称：SalesCountry.

其次，我们导入库软件包。

以下快照显示实现 SalesMapper 类 

代码解释:

1. SalesMapper 类定义

public class SalesMapper extends MapReduceBase implements Mapper {...}

每一个 mapper 类必须从 MapReduceBase 类进行扩展，它必须实现 Mapper 接口。

2. 定义 'map' 函数

Mapper类的主要部分是接受四个参数的 “map()” 方法。

每次调用 'map()' 方法, 一个键值 key-value 对 ('key' 和 'value' 在代码里) 被传递。

'map()' 方法开始被接受拆分输入文本作为一个参数，并使用分词来拆分这些行成词。

这里，“,” 被用作分隔符。

在这之后，使用记录在数组  'SingleCountryData' 中的第七索引，其值为 '1'.

        output.collect(new Text(SingleCountryData[7]), one);

我们在选择第7索引记录，因为我们需要的国家数据，它位于数组 'SingleCountryData' 的第七索引。

请注意，我们输入的数据是下面的格式 (Country 在索引的位置为：7,  0 是开始的索引)-

Transaction_date,Product,Price,Payment_Type,Name,City,State,Country,Account_Created,Last_Login,Latitude,Longitude

mapper的输出使用的是 'OutputCollector' 的 'collect()' 方法的键值对.

SalesCountryReducer 类的说明

在本节中，我们将了解 SalesCountryReducer 类的实现。

1. 我们首先为类指定包的名称。SalesCountry 是包的名称。请注意编译的输出， SalesCountryReducer.class 将进入命名这个软件包名称目录： SalesCountry.

其次，我们导入库软件包。

以下快照显示实现 SalesCountryReducer 类

代码解释:

1. SalesCountryReducer 类定义 -

public class SalesCountryReducer extends MapReduceBase implements Reducer {

此处，前两个数据类型， 'Text' 和 'IntWritable' 是输入键值的数据类型到reducer。

映射器的输出的形式, .映射器的输出被输入到reducer。所以，以配合其数据类型， Text 和 IntWritable 数据在这里输入被使用。

最后两个数据类型，'Text' 和 'IntWritable' 是由 reducer 的键 - 值对的形式生成的输出的数据类型。

每个 reducer 类必须从MapReduceBase类进行扩展，它必须实现 Reducer 接口。

2. Defining 'reduce' function-

输入到 reduce() 方法是在具有多个值的列表中选择一个键。

例如，在我们的示例中，这将是 -

, , ,, , .

这赋予 reducer 作为 

因此，接受这种形式参数，前两个数据类型的使用，即 Text 和 Iterator. Text是一个数据类型的键 和 Iterator为对于键的值的列表的数据类型。

接下来的参数的类型是 OutputCollector 它收集 reducer 阶段的输出。

reduce() 方法开始通过复制键值和初始化频率计数为0。

        Text key = t_key;
        int frequencyForCountry = 0;

然后，使用 “while” 循环，我们通过与键关联的值列表循环，并通过总结所有计算的值。

现在，结果中的键得到的频率计数输出到收集器。

下面的代码执行这个 -

        output.collect(key, new IntWritable(frequencyForCountry));

SalesCountryDriver类的说明

在本节中，我们将了解 SalesCountryDriver 类实现。

1. 我们首先为类指定包的名称。 SalesCountry 是这里使用的包名。请注意编译的输出， SalesCountryDriver.class 将进入命名这个包名称的目录: SalesCountry.

这里一行指定是包名称后面的代码是导入库软件包。

2. 定义一个用于创建一个新的客户端工作，配置 Mapper及Reducer 类对象驱动程序类。

该驱动程序类负责设置我们的 MapReduce 作业在 Hadoop 运行。 在这个类中，我们指定作业名称，输入/输出，mapper 和 reducer 类名称的数据类型。

3. 在下面的代码片段中，我们设置这是用来输入数据集消费和生产输出，分别输入和输出目录。

arg[0] 和 arg[1] 是通过 MapReduce 的实际操作，也就是赋予在命令行参数执行命令，

$HADOOP_HOME/bin/hadoop jar ProductSalePerCountry.jar /inputMapReduce /mapreduce_output_sales

4. 触发我们的作业

下面的代码开始执行 MapReduce 作业

try{
           // Run the job
           JobClient.runJob(job_conf);
       } catch(Exception e) {
           e.printStackTrace();
       }