hadoop的map函数使用方法是什么

这篇文章主要介绍"hadoop的map函数使用方法是什么"，在日常操作中，相信很多人在hadoop的map函数使用方法是什么问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答"hadoop的map函数使用方法是什么"的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

大表关联小表时可以使用hadoop的DistributedCache把小标缓存到内存中，由hadoop分发这些内存到每台需要map操作的服务器上进行数据的清洗，关联。

例如有这样一份数据用户登陆信息login：

1,0,20121213
2,0,20121213
3,1,20121213
4,1,20121213
1,0,20121114

第一列是用户id，二列是性别，第三列是登陆时间 。

需要将表中的用户id，替换成用户的名字，性别替换成汉字，然后统计他的登陆次数。

其中users表为：

1,张三,hubei
3,王五,tianjin
4,赵六,guangzhou
2,李四,beijing

sex表为：

0,男
1,女

map函数中进行维表的关联，输出为姓名，性别为key，登陆1次为value。

public class Mapclass extends Mapper {    private Map userMap = new HashMap();    private Map sexMap = new HashMap();    private Text oKey = new Text();    private Text oValue = new Text();    private String[] kv;    @Override    protected void setup(Context context) {        BufferedReader in = null;        // 从当前作业中获取要缓存的文件        try {            Path[] paths = DistributedCache.getLocalCacheFiles(context                    .getConfiguration());            String uidNameAddr = null;            String sidSex = null;            for (Path path : paths) {                if (path.toString().contains("users")) {                    in = new BufferedReader(new FileReader(path.toString()));                    while (null != (uidNameAddr = in.readLine())) {                        userMap.put(uidNameAddr.split(",", -1)[0],                                uidNameAddr.split(",", -1)[1]);                    }                } else if (path.toString().contains("sex")) {                    in = new BufferedReader(new FileReader(path.toString()));                    while (null != (sidSex = in.readLine())) {                        sexMap.put(sidSex.split(",", -1)[0],                                sidSex.split(",", -1)[1]);                    }                }            }        } catch (IOException e) {            e.printStackTrace();        } finally {            try {                if (in != null) {                    in.close();                }            } catch (IOException e) {                e.printStackTrace();            }        }    }    @Override    protected void map(LongWritable key, Text value, Context context)            throws IOException, InterruptedException {        kv = value.toString().split(",");        // map join: 在map阶段过滤掉不需要的数据        if (userMap.containsKey(kv[0]) && sexMap.containsKey(kv[1])) {            oKey.set(userMap.get(kv[0]) + "," + sexMap.get(kv[1]));            oValue.set("1");            context.write(oKey, oValue);        }    }}

reduce函数：

public class Reduce extends Reducer {    private Text oValue = new Text();    @Override    protected void reduce(Text key, Iterable values, Context context)            throws IOException, InterruptedException {        int sumCount = 0;        for (Text val : values) {            sumCount += Integer.parseInt(val.toString());        }        oValue.set(String.valueOf(sumCount));        context.write(key, oValue);    }}

main函数为：

public class MultiTableJoin extends Configured implements Tool {    @Override    public int run(String[] args) throws Exception {        Job job = new Job(getConf(), "MultiTableJoin");        job.setJobName("MultiTableJoin");        job.setJarByClass(MultiTableJoin.class);        job.setMapperClass(Mapclass.class);        job.setReducerClass(Reduce.class);        job.setInputFormatClass(TextInputFormat.class);        job.setOutputFormatClass(TextOutputFormat.class);        job.setOutputKeyClass(Text.class);        job.setOutputValueClass(Text.class);        String[] otherArgs = new GenericOptionsParser(job.getConfiguration(),                args).getRemainingArgs();        // 我们把第1、2个参数的地址作为要缓存的文件路径        DistributedCache.addCacheFile(new Path(otherArgs[0]).toUri(),                job.getConfiguration());        DistributedCache.addCacheFile(new Path(otherArgs[1]).toUri(),                job.getConfiguration());        FileInputFormat.addInputPath(job, new Path(otherArgs[2]));        FileOutputFormat.setOutputPath(job, new Path(otherArgs[3]));        return job.waitForCompletion(true) ? 0 : 1;    }    public static void main(String[] arg0) throws Exception {        String[] args = new String[4];        args[0] = "hdfs://172.16.0.87:9000/user/jeff/decli/sex";        args[1] = "hdfs://172.16.0.87:9000/user/jeff/decli/users";        args[2] = "hdfs://172.16.0.87:9000/user/jeff/decli/login";        args[3] = "hdfs://172.16.0.87:9000/user/jeff/decli/out";        int res = ToolRunner.run(new Configuration(), new MultiTableJoin(),                args);        System.exit(res);    }}

计算的输出为：

张三,男 2
李四,男 1
王五,女 1
赵六,女 1

到此，关于"hadoop的map函数使用方法是什么"的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注网站，小编会继续努力为大家带来更多实用的文章！