Hadoop当中的MapReduce，作为核心计算引擎，主要负责大规模离线数据的处理，至今仍然是非常经典的一代框架。对于MapReduce的学习，我们重点要掌握其编程模型。今天的大数据开发学习分享，我们就主要来讲讲，MapReduce编程模型。
 

MapReduce基础编程 mapreduce有哪些编程模型_MapReduce基础编程

MapReduce编程模型

MapReduce 框架只对 <key, value> 形式的键值对进行处理。MapReduce会将任务的输入当成一组 <key, value> 键值对，最后也会生成一组 <key, value> 键值对作为结果。

常见的输入为文件，此时读取的行偏移量会作为Key，文件内容作为Value。

key 和 value 的类必须由框架来完成序列化，所以需要实现其中的可写接口（Writable）。如果需要进行数据排序，还必须实现 WritableComparable 接口。

MapReduce已经提供了基本数据类型的Writable实现类，自定义类需要自行实现接口。

常见的基本数据类型的Writable有IntWritable、LongWritable、Text等等。

MapReduce任务由Map和Reduce两个过程，所以需要分别进行编写。Map的实现需要继承Mapper类，实现map方法完成数据处理；Reduce则要继承Reduer类，实现reduce方法完成数据聚合。

/*

* KEYIN：输入kv数据对中key的数据类型

* VALUEIN：输入kv数据对中value的数据类型

* KEYOUT：输出kv数据对中key的数据类型

* VALUEOUT：输出kv数据对中value的数据类型

* 数据类型为Writable类型

*/

public static class MyMapper extends Mapper<KEYIN, VALUEIN, KEYOUT, VALUEOUT>{

  // Context为MapReduce上下文，在Map中通常用于将数据处理结果输出

  public void map(KEYIN key, VALUEIN value, Context context) throws IOException, InterruptedException {

// Map功能的实现

  }

}

public static class MyReducer extends Reducer<KEYIN,VALUEIN,KEYOUT,VALUEOUT> {

// 这里reduce方法的输入的Value值是可迭代Iterable类型，因为Reduce阶段会将Key值相同的数据放置在一起

  public void reduce(KEYIN key, Iterable<VALUEIN> values, Context context ) throws IOException, InterruptedException {

  // Reduce功能的实现

  }

}

除了MapReduce，为了提高Shuffle效率，减少Shuffle过程中传输的数据量，在Map端可以提前对数据进行聚合：将Key相同的数据进行处理合并，这个过程称为Combiner。

Combiner需要在Job中进行指定，一般指定为Reducer的实现类。

Map和Reduce的功能编写完成之后，在main函数中创建MapReduce的Job实例，填写MapReduce作业运行所必要的配置信息，并指定Map和Reduce的实现类，用于作业的创建。

public static void main(String[] args) throws Exception {

 // 配置类

   Configuration conf = new Configuration();

   // 创建MapReduce Job实例

   Job job = Job.getInstance(conf, "Job Name");

   // 为MapReduce作业设置必要的配置

   // 设置main函数所在的入口类

   job.setJarByClass(WordCount.class);

   // 设置Map和Reduce实现类，并指定Combiner

   job.setMapperClass(MyMapper.class);

   job.setCombinerClass(MyReducer.class);

   job.setReducerClass(IntSumReducer.class);

   // 设置结果数据的输出类

   job.setOutputKeyClass(Text.class);

   job.setOutputValueClass(IntWritable.class);

   // 设置结果数据的输入和输出路径

   FileInputFormat.addInputPath(job, new Path(args[0]));

   FileOutputFormat.setOutputPath(job, new Path(args[1]));

   // 作业运行，并输出结束标志

   System.exit(job.waitForCompletion(true) ? 0 : 1);

 }


除了基本的设置外，还可以指定Reduce的个数

job.setNumReduceTasks(int)



MapReduce提供的常见类，除Mapper、Reduer之外，还有Partitioner和Counter。

其中Partitioner可以自定义Map中间结果输出时对Key的Partition分区，其目的是为了优化并减少计算量；如果不做自定义实现，HashPartitioner 是 MapReduce 使用的默认分区程序。

Counter （计数器）是 MapReduce 应用程序报告统计数据的一种工具。在 Mapper 和 Reducer 的具体实现中，可以利用 Counter 来报告统计信息。

关于大数据开发学习，MapReduce编程模型，以上就为大家做了简单的介绍了。MapReduce框架，虽然现如今在实际工作当中的编程任务不多，但是理解其核心原理，还是很有必要的。