hadoop中mapreduce如何实现串联执行

hadoop中mapreduce如何实现串联执行

小编给大家分享一下hadoop中mapreduce如何实现串联执行，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！

import java.io.IOException;  import java.util.Iterator;  import org.apache.commons.logging.Log;  import org.apache.commons.logging.LogFactory;  import org.apache.hadoop.conf.Configuration;  import org.apache.hadoop.fs.Path;  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.jobcontrol.ControlledJob;  import org.apache.hadoop.mapreduce.lib.jobcontrol.JobControl;  import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;  public class PickMain {  	private static final Log LOG = LogFactory.getLog(PickMain.class);  	public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {  /*		   * Configuration conf = new Configuration();  		Job job1 = Job.getInstance(conf);  		  		job1.setJarByClass(PickMain.class);  		job1.setMapperClass(FindMapper.class);  		job1.setReducerClass(FindReducer.class);  		job1.setOutputKeyClass(Text.class);  		job1.setOutputValueClass(Text.class);  		  		FileInputFormat.addInputPath(job1, new Path(args[0]));  		FileOutputFormat.setOutputPath(job1, new Path(args[1]));  		  		boolean flag1 = job1.waitForCompletion(true);  		//下面这种方法也可以实现串联执行job  		if(flag1) {  			Job job2 = Job.getInstance(conf);  	  			job2.setJarByClass(PickMain.class);  			job2.setMapperClass(SecondFindMapper.class);  			job2.setReducerClass(SecondFindReducer.class);  			job2.setOutputKeyClass(Text.class);  			job2.setOutputValueClass(Text.class);  			  			FileInputFormat.addInputPath(job2, new Path(args[1]));  			FileOutputFormat.setOutputPath(job2, new Path(args[2]));  			  			boolean flag2 = job2.waitForCompletion(true);  			System.out.println(flag2?0:1);  			if(flag2) {  				LOG.info("The job is done!");				  				System.exit(0);  			}else {  				LOG.info("The Second job is wrong!");  				System.exit(1);  			}  						  	 }else {  			LOG.info("The firt job is Running Wrong  job break!");  			System.exit(1);  		}  		  		*/  		  		  		//下面通过使用ContolledJob和JobControl来实现提交多个作业  		  		  		Configuration conf = new Configuration();  		Job job1 = Job.getInstance(conf);  		  		job1.setJarByClass(PickMain.class);  		job1.setMapperClass(FindMapper.class);  		job1.setReducerClass(FindReducer.class);  		job1.setOutputKeyClass(Text.class);  		job1.setOutputValueClass(Text.class);  		  		FileInputFormat.addInputPath(job1, new Path(args[0]));  		FileOutputFormat.setOutputPath(job1, new Path(args[1]));  		  		Configuration conf2 = new Configuration();  		  		Job job2 = Job.getInstance(conf2);  		  		job2.setJarByClass(PickMain.class);  		job2.setMapperClass(SecondFindMapper.class);  		job2.setReducerClass(SecondFindReducer.class);  		job2.setOutputKeyClass(Text.class);  		job2.setOutputValueClass(Text.class);  		  		FileInputFormat.addInputPath(job2, new Path(args[1]));  		FileOutputFormat.setOutputPath(job2, new Path(args[2]));  		//创建ControlledJob对job进行包装  		ControlledJob cjob1 = new ControlledJob(conf);  		ControlledJob cjob2 = new ControlledJob(conf2);  		cjob1.setJob(job1);  		cjob2.setJob(job2);  		//设置依赖关系，这个时候只有等到job1执行完成后job2才会执行  		cjob2.addDependingJob(cjob1);  		  		//JobControl该类相当于一个job控制器，它是一个线程，需要通过线程启动  		JobControl jc = new JobControl("my_jobcontrol");  		jc.addJob(cjob1);  		jc.addJob(cjob2);  		Thread th = new Thread(jc);  		th.start();  		//等到所有的job都执行完成后在退出  		while(!jc.allFinished()) {  			Thread.sleep(5000);  		}  		System.exit(0);  		  	}  }  class FindMapper extends Mapper<LongWritable, Text, Text, Text>{  	Text m1 = new Text();  	Text m2 = new Text();  	@Override  	protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, Text>.Context context)  			throws IOException, InterruptedException {  		String line = value.toString();  		String[] tmp1 = line.split(":");  		String outval = tmp1[0];  		String[] outkeys = tmp1[1].split(",");  		for(int i = 0 ; i<outkeys.length;i++) {  			m1.set(outkeys[i]);m2.set(outval);  			context.write(m1,m2);  		}	  	}	  }  class FindReducer extends Reducer<Text, Text, Text, NullWritable>{  	StringBuilder sb = new StringBuilder();  	NullWritable nul = NullWritable.get();  	Text outval = new Text();  	String spector = ":";  	@Override  	protected void reduce(Text txt, Iterable<Text> txtiter, Reducer<Text, Text, Text, NullWritable>.Context context)  			throws IOException, InterruptedException {  		sb.delete(0, sb.length());  		sb.append(txt.toString());  		Iterator<Text> it = txtiter.iterator();  		while(it.hasNext()) {  			sb.append(spector+it.next().toString());  		}  		outval.set(sb.toString());  		context.write(outval, nul);  	}  	  }  class SecondFindMapper extends Mapper<LongWritable, Text, Text, Text>{  	Text keyout = new Text();  	Text valueout = new Text();  	@Override  	protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, Text>.Context context)  			throws IOException, InterruptedException {  		String[] fs = value.toString().split(":");  		valueout.set(fs[0]);  		if(fs.length>0) {  			for(int i = 1;i<fs.length-1;i++) {  				for(int j = i+1;j<fs.length;j++) {  					if((int)fs[i].toCharArray()[0]>(int)fs[j].toCharArray()[0]) {  						keyout.set(fs[j]+"-"+fs[i]);  					}else {  						keyout.set(fs[i]+"-"+fs[j]);  					}						  					context.write(keyout, valueout);  					  				}  			}  			  		}		  	}	  }  class  SecondFindReducer extends Reducer<Text, Text, Text, Text>{  	StringBuilder sb = new StringBuilder();  	Text outvalue = new Text();  	@Override  	protected void reduce(Text key, Iterable<Text> iter, Reducer<Text, Text, Text, Text>.Context context)  			throws IOException, InterruptedException {  		sb.delete(0, sb.length());  		Iterator<Text> it =  iter.iterator();  		if(it.hasNext()) {  			sb.append(it.next().toString());  		}  		  		while(it.hasNext()) {  			sb.append(","+it.next().toString());  		}  		outvalue.set(sb.toString());  		context.write(key, outvalue);		  	}	  }

以上是“hadoop中mapreduce如何实现串联执行”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注高防服务器网行业资讯频道！

[微信提示：高防服务器能助您降低 IT 成本，提升运维效率，使您更专注于核心业务创新。

[图文来源于网络，不代表本站立场，如有侵权，请联系高防服务器网删除]
[