我的Hadoop MapReduce模板

行走江湖,有一套自己顺手的模板是很重要的,可以在很多时候提高开发效率,减少重复劳动力。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
import java.io.IOException;
import java.text.ParseException;
import java.text.SimpleDateFormat;
import java.util.ArrayList;
import java.util.Date;
import java.util.HashMap;
import java.util.List;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
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.util.GenericOptionsParser;
/**
* @author Marvin
* # 调用方法
* hadoop jar
* ## 必填参数
* (1) Jar_Filename.jar
* (2) Class_Name(include main() function)
* ## 自带参数 可选
* (3) -Djobgroup=test -Dmapred.job.priority=VERY_HIGH
* ## 用户参数
* (4) 来源文件(夹) [!支持通配符]
* (5) 目标文件夹
*/
public class Template_Hadoop
{
// Map START
public static class Map
extends Mapper // Output Type
{
/**
* 在任务开始时调用一次
*/
@Override
public void setup(Context context) throws IOException, InterruptedException
{
try
{
Configuration conf = context.getConfiguration();
String user_conf = conf.get("user_conf", ""); // get conf value from main()
}
catch (Exception e)
{ System.err.println("Error in setup, " + e.getMessage()); }
} // setup()
public void map(LongWritable key, Text value,
Context context)
throws IOException, InterruptedException
{
context.write(new Text("Mapper's output Key"),
new LongWritable(0));
} // map()
/**
* 任务运行结束调用函数
*/
@Override
public void cleanup(Context context)
throws IOException, InterruptedException
{ }
} // class Map
// Reduce START
public static class Reduce
extends Reducer // Reducer's Output
{
@Override
public void setup(Context context) throws IOException, InterruptedException
{ } // setup()
public void reduce(Text key, // key
Iterable values_raw_iterable, // value
Context context)
throws IOException, InterruptedException
{
Long sum = 0l;
for(LongWritable long_w: values_raw_iterable)
{
Long value = long_w.get();
sum += value;
}
// Ouptut
context.write(new IntWritable(0), new Text("Reducer's Output"));
}
/**
* 任务运行结束调用函数
*/
@Override
public void cleanup(Context context)
throws IOException, InterruptedException
{ } // cleanup()
} // class Reduce
// main START
public static void main(String[] args) throws Exception
{
Configuration conf = new Configuration();
// 取得-D*** 之后的 用户自定义参数
String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
String inputDir = otherArgs[0];
String outputDir = otherArgs[1];
// 设置configure配置变量
conf.set("user_conf", "Hello_World!");
// Set Job.
Job job = new Job(conf);
job.setJarByClass(Template_Hadoop.class);
job.setMapperClass(Map.class);
job.setReducerClass(Reduce.class);
// Map output
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(LongWritable.class);
// Reduce Output
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(NullWritable.class);
// Input/Output Path Setting
FileInputFormat.setInputPaths(job, new Path(inputDir)); // inputDir 支持通配符
FileOutputFormat.setOutputPath(job, new Path(outputDir));
//main_job.setOutputFormatClass(MidMultipleTextOutputFormat.class);
// 输入输出确认
FileSystem fs = FileSystem.get(conf);
// 判断输入是否存在,不存在则退出
// [Warnning!] 在路径使用通配符的情况下,这中检测方法不适用
/*
if (!fs.exists(new Path(inputDir)))
{
System.err.println("Input dir doesn't exist.");
return;
}
*/
// 判断输出目录是否存在,存在则删除
if (fs.exists(new Path(outputDir)))
{ fs.delete(new Path(outputDir), true); }
// MapReduce Start
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}

运行时,命令如下

1
2
3
4
5
6
7
8
9
10
11
12
hadoop jar \
Template_hadoop.jar \ # MR jar包
Template_hadoop \ # Main Class
-Dmapred.job.priority=VERY_HIGH \ # 优先级
/usr/input/*.txt \ # 自定义参数1-输入文件夹
/usr/output/ # 自定义参数2-输出文件夹

BTW,

版本信息:

Hadoop 1.2.1

Java 1.6