Hadoop入门（二十）Mapreduce的最小值程序

一、简介

最小值是统计中最常使用到的，现在使用Mapreduce在海量数据中统计数据的最小值。

二、例子

（1）实例描述
给出三个文件，每个文件中都存储了若干个数值，求所有数值中的最小值。

样例输入：
1）file1：

2）file2：

3）file3：

期望输出：

-99

（2）问题分析
实现统计海量数据的最小值，不能将所有的数据加载到内存，计算只能使用类似外部排序的方式，加载一部分数据统计最小值，接着加载另一部分进行统计。

（3）实现步骤

1）Map过程
首先使用默认的TextInputFormat类对输入文件进行处理，得到文本中每行的偏移量及其内容。显然，Map过程首先必须分析输入的<key,value>对，得到数值，然后在mapper中统计单个分块的最小值。

2）Reduce过程
经过map方法处理后，Reduce过程将获取每个mapper的最小值进行统计，分行统计出最小值。

（3）关键代码

package com.mk.mapreduce;import org.apache.commons.lang.StringUtils;
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 java.io.IOException;
import java.net.URI;public class MinValue {public static class MinValueMapper extends Mapper<LongWritable, Text, IntWritable, NullWritable> {private Integer minValue = null;@Overrideprotected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {if (StringUtils.isBlank(value.toString())) {System.out.println("空白行");return;}Integer v = Integer.valueOf(value.toString().trim());if(minValue==null||minValue > v){minValue = v;}}@Overrideprotected void cleanup(Context context) throws IOException, InterruptedException {if (minValue != null)context.write( new IntWritable(minValue), NullWritable.get());}}public static class MinValueReducer extends Reducer< IntWritable, NullWritable,IntWritable, NullWritable> {private Integer minValue = null;@Overrideprotected void reduce(IntWritable key, Iterable<NullWritable> values, Context context) throws IOException, InterruptedException {Integer v = key.get();if(minValue==null||minValue > v){minValue = v;}}@Overrideprotected void cleanup(Context context) throws IOException, InterruptedException {if (minValue != null)context.write( new IntWritable(minValue), NullWritable.get());}}public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {String uri = "hdfs://192.168.150.128:9000";String input = "/minValue/input";String output = "/minValue/output";Configuration conf = new Configuration();if (System.getProperty("os.name").toLowerCase().contains("win"))conf.set("mapreduce.app-submission.cross-platform", "true");FileSystem fileSystem = FileSystem.get(URI.create(uri), conf);Path path = new Path(output);fileSystem.delete(path, true);Job job = new Job(conf, "MinValue");job.setJar("./out/artifacts/hadoop_test_jar/hadoop-test.jar");job.setJarByClass(MinValue.class);job.setMapperClass(MinValueMapper.class);job.setReducerClass(MinValueReducer.class);job.setMapOutputKeyClass(IntWritable.class);job.setMapOutputValueClass(NullWritable.class);job.setOutputKeyClass(IntWritable.class);job.setOutputValueClass(NullWritable.class);FileInputFormat.addInputPaths(job, uri + input);FileOutputFormat.setOutputPath(job, new Path(uri + output));boolean ret = job.waitForCompletion(true);System.out.println(job.getJobName() + "-----" + ret);}
}

Hadoop入门（二十）Mapreduce的最小值程序相关推荐

2021年大数据Hadoop（二十二）：MapReduce的自定义分组
全网最详细的Hadoop文章系列,强烈建议收藏加关注! 后面更新文章都会列出历史文章目录,帮助大家回顾知识重点. 目录本系列历史文章前言 MapReduce的自定义分组需求分析实现第一步: ...
2021年大数据Hadoop（二十九）：关于YARN常用参数设置
全网最详细的Hadoop文章系列,强烈建议收藏加关注! 后面更新文章都会列出历史文章目录,帮助大家回顾知识重点. 目录本系列历史文章前言关于yarn常用参数设置设置container分配最小内 ...
2021年大数据Hadoop（二十六）：YARN三大组件介绍
全网最详细的Hadoop文章系列,强烈建议收藏加关注! 后面更新文章都会列出历史文章目录,帮助大家回顾知识重点. 目录本系列历史文章前言 Yarn三大组件介绍 ResourceManager No ...
2021年大数据Hadoop（二十五）：YARN通俗介绍和基本架构
全网最详细的Hadoop文章系列,强烈建议收藏加关注! 后面更新文章都会列出历史文章目录,帮助大家回顾知识重点. 目录本系列历史文章前言 YARN通俗介绍和基本架构 Yarn通俗介绍 Yarn基本 ...
Hadoop入门(二)——VMware虚拟网络设置+Windows10的IP地址配置+CentOS7静态IP设置（图文详解步骤2021）
Hadoop入门(二)--VMware虚拟网络设置+Windows10的IP地址配置+CentOS7静态IP设置(图文详解步骤2021) 之前在上一篇文章中讲述了 CentOS7下载+VM上安装(手动 ...
conan入门(二十):封装只包含头文件(header_only)的库示例
conan: 封装只包含头文件(header_only)的库示例有的C/C++项目只包含头文件,不需要编译,对于这种情况如何封装为Conan的包呢? Conan官方文档 <Package sc ...
Hadoop入门（十二）Intellij IDEA远程向hadoop集群提交mapreduce作业
Intellij IDEA远程向hadoop集群提交mapreduce作业,需要依赖到hadoop的库,hadoop集群的配置信息,还有本地项目的jar包. 一.软件环境 (1)window本地安装h ...
【软件开发底层知识修炼】二十六 ABI-应用程序二进制接口学习总结文章目录
前面学习了ABI的知识,感觉受益良多.对底层与编译器有更加深刻的认识,为此这里将前面写过的关于ABI 的文章给列出来,方便学习与翻阅. [软件开发底层知识修炼]二十一 ABI-应用程序二进制接口一 [ ...
Hadoop入门（十九）Mapreduce的最大值程序
一.简介最大值是统计中最常使用到的,现在使用Mapreduce在海量数据中统计数据的最大值. 二.例子 (1)实例描述给出三个文件,每个文件中都存储了若干个数值,求所有数值中的最大值. 样例输入: ...

Hadoop入门（二十）Mapreduce的最小值程序

一、简介

二、例子

Hadoop入门（二十）Mapreduce的最小值程序相关推荐

最新文章

热门文章