package com.bwzy.hadoop; import java.io.IOException; import java.util.StringTokenizer; import org.apache.hadoop.conf.Configured; 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.Reducer.Context; import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; import org.apache.hadoop.mapreduce.lib.input.TextInputFormat; import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat; import org.apache.hadoop.util.Tool; import org.apache.hadoop.util.ToolRunner; import com.bwzy.hadoop.HeBing.Map; import com.bwzy.hadoop.HeBing.Reduce; public class AvgSorce extends Configured implements Tool { public static class Map extends Mapper<LongWritable, Text, Text, IntWritable> { public void map(LongWritable key, Text value, Context context) throws IOException,InterruptedException { String line = value.toString(); StringTokenizer tokenizer = new StringTokenizer(line); while(tokenizer.hasMoreElements()){ String strName = tokenizer.nextToken(); String strSorce = tokenizer.nextToken(); context.write(new Text(strName), new IntWritable(Integer.parseInt(strSorce))); } } } public static class Reduce extends Reducer<Text, IntWritable, Text, IntWritable> { public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException { int sum = 0; int num = 0; for (IntWritable sorce : values) { sum+=sorce.get(); num++; } context.write(key, new IntWritable((int)(sum/num))); } } @Override public int run(String[] arg0) throws Exception { Job job = new Job(getConf()); job.setJobName("AvgSorce"); job.setOutputKeyClass(Text.class); job.setOutputValueClass(IntWritable.class); job.setMapperClass(Map.class); // job.setCombinerClass(Reduce.class); job.setReducerClass(Reduce.class); job.setInputFormatClass(TextInputFormat.class); job.setOutputFormatClass(TextOutputFormat.class); FileInputFormat.setInputPaths(job, new Path(arg0[0])); FileOutputFormat.setOutputPath(job, new Path(arg0[1])); boolean success = job.waitForCompletion(true); return success ? 0 : 1; } public static void main(String[] args) throws Exception { int ret = ToolRunner.run(new AvgSorce(), args); System.exit(ret); } }
MapReduce经典案例——求平均分数
原创
©著作权归作者所有:来自51CTO博客作者ciznx的原创作品,请联系作者获取转载授权,否则将追究法律责任
资源文件math
张三 99
李四 90
王五 90
赵六 60
资源文件china
张三 79
李四 75
王五 80
赵六 90资源文件english
张三 89
李四 75
王五 70
赵六 90分析:
map 阶段将将学生姓名作为key 成绩作为value.这样Reduce阶段得到的数据就是
key:张三 value:{99,79,89}
……
在Reduce中将学生的成绩球平均值。
实现:
运行:
1:将程序打包
选中打包的类-->右击-->Export-->java-->JAR file--填入保存路径-->完成
2:将jar包拷贝到hadoop的目录下。(因为程序中用到来hadoop的jar包)
3:将资源文件上传到定义的hdfs目录下
创建hdfs目录命令(在hadoop已经成功启动的前提下):hadoop fs -mkdir /自定义/自定义/input
上传本地资源文件到hdfs上:hadop fs -put -copyFromLocal /home/user/Document/math /自定义/自定义/input
……
4:运行MapReduce程序:
hadoop jar /home/user/hadoop-1.0.4/AvgSorce.jar com.bwzy.hadoop.AvgSorce /自定义/自定义/input /自定义/自定义/output
说明:hadoop运行后会自动创建/自定义/自定义/output目录,在该目录下会有两个文件,其中一个文件中存放来MapReduce运行的结果。如果重新运行该程序,需要将/自定义/自定义/output目录删除,否则系统认为该结果已经存在了。
5:运行的结果为
张三 89
李四 80
王五 80
赵六 80
提问和评论都可以,用心的回复会被更多人看到
评论
发布评论
相关文章
-
经典游戏案例:飞机大战
一款经典游戏,飞机大战,主要是实现飞机射击核心功能。
经典游戏 unity3d -
经典游戏案例:仿植物大战僵尸
植物大战僵尸核心玩法实现
unity案例 经典游戏