来了近两个星期趁还没开学都是各种活动，相对有空，抓紧时间hadoop入门。不得不说Hadoop the Definitive Guide是本好书，但是却不是一本好的入门书，一上来讲了一堆各种Hadoop架构，对与一个菜鸟来说读起来总感觉有点心虚，一行Hadoop代码没写过,一直看各种Hadoop的架构，让人感觉非常的不踏实。找来找去也只是看到一个WordCount的demo，还好实验室Xia兄推荐了个文档，是虾皮工作室写的，名字叫做“细细评味Hadoop”系列的第9章，好几个由简单到复杂的demo，推荐，并在此对作者表示感谢。
吐槽下：Hadoop的官方文档应该学学directx sdk的官方文档，各种由简单到复杂的demo，后期demo都是不少经典论文的实现，效果也非常cool，加上足够的说明，一个个下来让人感觉非常的踏实和日益精进。相比之下Hadoop的官方文档也太简陋了一点了。
这个demo是对数据做简单的排序。学了wordcount后有点入门后，大家都知道经过map函数后，到达reduce之前会有个shuffle和sort的过程，这个过程主要对map函数output的key进行排序。我们就利用这个过程来对我们自己的数据排序。这样子思路就很简单了，在map阶段，我们将一个个值作为key输出，value随便写，reduce阶段将这些map阶段输入的key直接写出来就可以了。当然为了增加趣味性，可以增加一个变量count统计这个key值排在第几位。。
输入数据可以是：
//data1.txt：
123
12
87
150
22
23423
9874
9876
//data2.txt
29347
9877
27985
98776
989
767
2345
1532
8702
8702
详细代码如下：
import java.util.*;
import java.awt.datatransfer.StringSelection;
import java.io.*;
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.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;
public class DataSort {
public static class SortMapper extends Mapper<Object,Text,IntWritable,IntWritable>{
IntWritable one = new IntWritable(1);
@Override
public void map(Object key, Text value, Context context)throws IOException, InterruptedException
{
context.write( new IntWritable(Integer.parseInt(value.toString())), one);
}
}
public static class SortReducer extends Reducer<IntWritable, IntWritable, IntWritable, IntWritable>{
private static IntWritable count = new IntWritable(0);
@Override
public void reduce(IntWritable key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException
{
for(IntWritable val : values)
{
context.write(key, count);
count.set(count.get() + 1);
}
}
}
public static void main(String[] args) throws Exception
{
Configuration conf = new Configuration();
Job job =new Job(conf,"DataSort");
job.setJarByClass(DataSort.class);
job.setMapperClass(SortMapper.class);
job.setReducerClass(SortReducer.class);
job.setOutputKeyClass(IntWritable.class);
job.setOutputValueClass(IntWritable.class);
FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
最终结果输出：
12 0
22 1
87 2
123 3
150 4
767 5
989 6
1532 7
2345 8
8702 9
8702 10
9874 11
9876 12
9877 13
23423 14
27985 15
29347 16
98776 17
最后分享下我犯的一个弱智错误，继承Mapper和Reducer两个虚类后必须实现map和reduce函数，但是我reduce函数不小心写成reducer，导致整个程序相当于从来没有进入reduce阶段，导致最后输出的结果一直是map的中间结果，还好Xia兄过来看后发现了这个错误。大家以后可以加上标志@Override，这样子以后万一不小心写错了编译器也可以提示。。