Hadoop学习总结之三：Map-Reduce入门.docVIP

1、Map-Reduce的逻辑过程 假设我们需要处理一批有关天气的数据，其格式如下： 按照ASCII码存储，每行一条记录 每一行字符从0开始计数，第15个到第18个字符为年 第25个到第29个字符为温度，其中第25位是符号+/- 0067011990999991950051507+0000+ 0043011990999991950051512+0022+ 0043011990999991950051518-0011+ 0043012650999991949032412+0111+ 0043012650999991949032418+0078+ 0067011990999991937051507+0001+ 0043011990999991937051512-0002+ 0043011990999991945051518+0001+ 0043012650999991945032412+0002+ 0043012650999991945032418+0078+ 现在需要统计出每年的最高温度。 Map-Reduce主要包括两个步骤：Map和Reduce 每一步都有key-value对作为输入和输出： map阶段的key-value对的格式是由输入的格式所决定的，如果是默认的TextInputFormat，则每行作为一个记录进程处理，其中key为此行的开头相对于文件的起始位置，value就是此行的字符文本 map阶段的输出的key-value对的格式必须同reduce阶段的输入key-value对的格式相对应 对于上面的例子，在map过程，输入的key-value对如下： (0, 0067011990999991950051507+0000+) (33, 0043011990999991950051512+0022+) (66, 0043011990999991950051518-0011+) (99, 0043012650999991949032412+0111+) (132, 0043012650999991949032418+0078+) (165, 0067011990999991937051507+0001+) (198, 0043011990999991937051512-0002+) (231, 0043011990999991945051518+0001+) (264, 0043012650999991945032412+0002+) (297, 0043012650999991945032418+0078+) 在map过程中，通过对每一行字符串的解析，得到年-温度的key-value对作为输出： (1950, 0) (1950, 22) (1950, -11) (1949, 111) (1949, 78) (1937, 1) (1937, -2) (1945, 1) (1945, 2) (1945, 78) 在reduce过程，将map过程中的输出，按照相同的key将value放到同一个列表中作为reduce的输入 (1950, [0, 22, –11]) (1949, [111, 78]) (1937, [1, -2]) (1945, [1, 2, 78]) 在reduce过程中，在列表中选择出最大的温度，将年-最大温度的key-value作为输出： (1950, 22) (1949, 111) (1937, 1) (1945, 78) 其逻辑过程可用如下图表示： 2、编写Map-Reduce程序 编写Map-Reduce程序，一般需要实现两个函数：mapper中的map函数和reducer中的reduce函数。 一般遵循以下格式： map: (K1, V1)? -? list(K2, V2) public interface MapperK1, V1, K2, V2 extends JobConfigurable, Closeable { ? void map(K1 key, V1 value, OutputCollectorK2, V2 output, Reporter reporter) ? throws IOException; } reduce: (K2, list(V))? -? list(K3, V3)? public interface ReducerK2, V2, K3, V3 extends JobConfigurable, Closeable { ? void reduce(K2 key, IteratorV2 values, ????????????? OutputCollectorK3, V3 output, Reporter reporter) ??? throws