下面这幅图是mapReduce大体的运行过程。
开发MapReduce程序,一共可以分为以上八个步骤。
其中每个步骤都是一个class类,通过job对象将程序组装成一个任务提交即可。
为了简化MapReduce程序的开发,每一个步骤的class类,都有一个既定的父类,直接继承即可。
因此可以大大简化MapReduce程序的开发难度,也可以快速的实现功能开发。
MapReduce编程当中,其中最重要的两个步骤就是Mapper类和Reducer类
Mapper抽象类
在hadoop2.x当中Mapper类是一个抽象类,工程师只需要覆写一个java类,继承自Mapper类即可,然后重写里面的一些方法,就可以实现特定的功能。
Mapper类当中比较重要的四个方法
1、setup方法:
Mapper类当中的初始化方法,程序中一些对象的初始化工作都可以放到这个方法里面来实现
2、map方法:
读取的每一行数据,都会来调用一次map方法,这个方法也是最重要的方法,可以通过这个方法来实现每一条数据的处理。
3、cleanup方法:
在整个maptask执行完成之后,会马上调用cleanup方法,这个方法主要是做一些清理工作,例如连接的断开,资源的关闭等等
4、run方法:
如果需要更精细的控制整个MapTask的执行,那么可以覆写这个方法,实现对所有的MapTask更精确的操作控制
Reducer抽象类
同样的道理,在hadoop2.x当中,reducer类也是一个抽象类,抽象类允许工程师可以继承这个抽象类之后,重新覆写抽象类当中的方法,实现逻辑的自定义控制。
Reducer抽象类当中的四个抽象方法
1、setup方法:
在ReduceTask初始化之后马上调用,一些对象的初始化工作,可以在这个类当中实现
2、reduce方法:
所有从MapTask发送过来的数据,都会调用reduce方法,这个方法也是reduce当中最重要的方法,可以通过这个方法实现数据的处理
3、cleanup方法:
在整个ReduceTask执行完成之后,会马上调用cleanup方法,这个方法主要就是在reduce阶段做一些清理工作,例如连接的断开,资源的关闭等等
4、run方法:
如果需要更精细的控制整个ReduceTask的执行,那么可以覆写这个方法,实现对所有的ReduceTask更精确的操作控制