我们知道，从Hadoop官网下载的部署包里，提供了不少jar包示例，但是我们不了解内部的实现逻辑，今天我就给大家介绍下，在java开发环境下怎么实现一个MapReduce
reduce Task 聚合操作，就是对key相同的一组数据进行处理，具体的聚合逻辑通过接口的方式暴露给用户，由用户来指定（同mapTask方式）。
reduce Task处理结果，将最后的聚合结果写入hdfs中，每个reduce Task最终形成一个文件，文件名称默认是part-r+reduceTask的编号。
总结：
map阶段，我们只需要提供具体的业务类，对mapTask读到的一行数据进行处理
reduce阶段，仍然需要我们提供具体的逻辑，对reduce拿到的一组相同key的kv数据进行处理
处理结果的传递：无论是map阶段还是recude阶段，数据处理结果的后续流程无需我们关系，我们只需要将各个阶段的数据都交给人家提供好的context对象就好；map阶段会将数据存着，将来想方设法地将数据结果传递给reduceTask，而且保证同一个key只给同一个reduce，reduce阶段会将数据写入hdfs，只要有一个结果key：value，就会往文件中追加一行。
下面介绍具体示例代码的编写，这里我沿用 大数据分析学习第四课 使用Java idea开发hdfs的基本功能-增删改查 这节课的项目代码来做讲解
注意点：mapreduce程序中， map阶段的进、出数据， reduce阶段的进、出数据， 类型都应该是实现了HADOOP序列化框架的类型，如：
String对应Text
Integer对应IntWritable
Long对应LongWritable
1、WordcountMapper类
package mapreduce;
import java.io.IOException;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
public class WordcountMapper extends Mapper<LongWritable, Text, Text, IntWritable>{
@Override
protected void map(LongWritable key, Text value, Context context)
throws IOException, InterruptedException {
// 单词切分 按空格
String line = value.toString();
String[] words = line.split(" ");
for(String word:words){
context.write(new Text(word), new IntWritable(1));
}
}
}2、WordcountReducer类
package mapreduce;
import java.io.IOException;
import java.util.Iterator;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
public class WordcountReducer extends Reducer<Text, IntWritable, Text, IntWritable>{
@Override
protected void reduce(Text key, Iterable<IntWritable> values,Context context) throws IOException, InterruptedException {
int count = 0;
Iterator<IntWritable> iterator = values.iterator();
while(iterator.hasNext()){
IntWritable value = iterator.next();
count += value.get();
}
context.write(key, new IntWritable(count));
}
}3、客户端类Submitter开发
package mapreduce;
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.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 java.io.IOException;
import java.net.URI;
public class JobSubmitter {
public static class MyMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
Text k2 = new Text();
IntWritable v2 = new IntWritable(1);
@Override
protected void map(LongWritable k1, Text v1, Context context) throws IOException, InterruptedException {
String[] strs = v1.toString().split(" ");
for (String s : strs) {
k2.set(s);
context.write(k2, v2);
}
}
}
public static class MyReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
IntWritable v3 = new IntWritable();
@Override
protected void reduce(Text k2, Iterable<IntWritable> v2s, Context context) throws IOException, InterruptedException {
int sum = 0;
for (IntWritable i : v2s) {
sum += i.get();
}
v3.set(sum);
context.write(k2, v3);
}
}
public static void main(String[] args) throws Exception {
// 在代码中设置JVM系统参数，用于给job对象来获取访问HDFS的用户身份
// 或者通过eclipse图形化界面来设置 -DHADOOP_USER_NAME=root
System.setProperty("HADOOP_USER_NAME", "root") ;
Configuration conf = new Configuration();
// 1、设置job运行时要访问的默认文件系统, map阶段要去读数据，reduce阶段要写数据
conf.set("fs.defaultFS", "hdfs://master105:9000");
// 2、设置job提交到哪去运行：有本地模拟的方式local
conf.set("mapreduce.framework.name", "yarn");
conf.set("yarn.resourcemanager.hostname", "master105");
// 3、如果要从windows系统上运行这个job提交客户端程序，则需要加这个跨平台提交的参数
conf.set("mapreduce.app-submission.cross-platform","true");
// job中还要封装个多的参数
Job job = Job.getInstance(conf);
// 1、封装参数：jar包所在的位置：因为job客户端将来要把jar包（整个工程）发给yarn
//job.setJar("d:/wc.jar");
job.setJarByClass(JobSubmitter.class);//动态获取方式
// 2、封装参数： 本次job所要调用的Mapper实现类、Reducer实现类
job.setMapperClass(WordcountMapper.class);
job.setReducerClass(WordcountReducer.class);
// 3、封装参数：本次job的Mapper实现类、Reducer实现类产生的结果数据的key、value类型
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(IntWritable.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
Path output = new Path("/wordcount/output");
FileSystem fs = FileSystem.get(new URI("hdfs://master105:9000"),conf,"root");
if(fs.exists(output)){
fs.delete(output, true);
}
// 4、封装参数：本次job要处理的输入数据集所在路径、最终结果的输出路径
FileInputFormat.setInputPaths(job, new Path("/test/words"));
FileOutputFormat.setOutputPath(job, output); // 注意：输出路径必须不存在
// 5、封装参数：想要启动的reduce task的数量（默认1），map task不需要设定，会根据数据集的大小自动切片计算。
job.setNumReduceTasks(2);
// 6、提交job给yarn，等待集群完成，这是一个阻塞式方法
// 返回true表示mapreduce程序正常运行，false表示mapreduce程序运行失败，可能是中间的某一步。
boolean res = job.waitForCompletion(true);//true便是吧Resource manager（会不断的反馈信息）反馈回来的信息输出。
//job.submit();//提交之后直接退出
//控制退出码
System.exit(res?0:-1);
}
}
整个项目结构如下
pom.文件，注意红色框中部分
4、测试，我们把上面项目打包成ss-1.0.jar，然后上传到集群的master服务器，执行job
hadoop jar ss-1.0.jar com.ss.hdfs.mapreduce.JobSubmitter
可以看到以下内容
说明已经执行成功，我们读取结果文件 hdfs dfs -cat /wordcount/output/p*
到这里，我们就实现了java编码MapReduce
总结
感谢能看到这里的朋友😉
本次的分享就到这里，猫头鹰数据致力于为大家分享技术干货😎
如果以上过程中出现了任何的纰漏错误，烦请大佬们指正😅
受益的朋友或对技术感兴趣的伙伴记得点赞关注支持一波🙏
也可以搜索关注我的微信公众号【猫头鹰数据分析】，留言交流🙏