Hadoop之MapReduce程序应用一

摘要：MapReduce程序处理专利数据集。

关键词：MapReduce程序   专利数据集

数据源：专利引用数据集cite75_99.txt。（该数据集可以从网址http://www.nber.org/patents/下载）

问题描述：

读取专利引用数据集并对它进行倒排。对于每一个专利，找到那些引用它的专利并进行合并。top5输出结果如下：

1                                3964859, 4647229

10000                            4539112

100000                           5031388

1000006                          4714284

1000007                          4766693

解决方案：

1  开发工具：  VM10+Ubuntu12.04+hadoop1.1.2+eclipse

2  在eclipse中创建一个工程，并且在工程里添加一个java类。

程序清单如下：

package com.wangluqing;

import java.io.IOException;

import java.util.Iterator;

import org.apache.hadoop.conf.Configuration;

import org.apache.hadoop.conf.Configured;

import org.apache.hadoop.fs.Path;

import org.apache.hadoop.io.Text;

import org.apache.hadoop.mapred.FileInputFormat;

import org.apache.hadoop.mapred.FileOutputFormat;

import org.apache.hadoop.mapred.JobClient;

import org.apache.hadoop.mapred.JobConf;

import org.apache.hadoop.mapred.KeyValueTextInputFormat;

import org.apache.hadoop.mapred.MapReduceBase;

import org.apache.hadoop.mapred.Mapper;

import org.apache.hadoop.mapred.OutputCollector;

import org.apache.hadoop.mapred.Reducer;

import org.apache.hadoop.mapred.Reporter;

import org.apache.hadoop.mapred.TextOutputFormat;

import org.apache.hadoop.util.Tool;

import org.apache.hadoop.util.ToolRunner;

public class MyJob1 extends Configured implements Tool {

public static class MapClass extends MapReduceBase implements Mapper<Text,Text,Text,Text> {

@Override

public void map(Text key, Text value, OutputCollector<Text, Text> output,

Reporter reporter) throws IOException {

// TODO Auto-generated method stub

output.collect(value, key);

}

}

public static class Reduce extends MapReduceBase implements Reducer<Text,Text,Text,Text> {

@Override

public void reduce(Text key, Iterator<Text> values,

OutputCollector<Text, Text> output, Reporter reporter)

throws IOException {

// TODO Auto-generated method stub

String csv = "";

while(values.hasNext()) {

if(csv.length()>0)

csv += ",";

csv += values.next().toString();

}

output.collect(key, new Text(csv));

}

}

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

// TODO Auto-generated method stub

String[] arg={"hdfs://hadoop:9000/user/root/input/cite75_99.txt","hdfs://hadoop:9000/user/root/output"};

int res = ToolRunner.run(new Configuration(),new MyJob1(), arg);

System.exit(res);

}

public int run(String[] args) throws Exception {

// TODO Auto-generated method stub

Configuration conf = getConf();

JobConf job = new JobConf(conf, MyJob1.class);

Path in = new Path(args[0]);

Path out = new Path(args[1]);

FileInputFormat.setInputPaths(job, in);

FileOutputFormat.setOutputPath(job, out);

job.setJobName("MyJob");

job.setMapperClass(MapClass.class);

job.setReducerClass(Reduce.class);

job.setInputFormat(KeyValueTextInputFormat.class);

job.setOutputFormat(TextOutputFormat.class);

job.setOutputKeyClass(Text.class);

job.setOutputValueClass(Text.class);

job.set("key.value.separator.in.input.line", ",");

JobClient.runJob(job);

return 0;

}

}

运行Run on hadoop，在Ubuntu 下执行命令

hadoop fs -cat  /usr/root/output/part-00000  |  head

可以查看到经过MapReduce程序处理后的结果。

总结：

第一：可以采用装有Hadoop版本对应插件的Eclipse集成开发工具进行MapReduce程序开发。

第二：根据数据流和问题域设计和编写MapReduce程序。

Resource：

1 http://www.wangluqing.com/2014/03/hadoop-mapreduce-programapp1/

2 参考《Hadoop实战》第四章 MapReduce基础程序

Hadoop之MapReduce程序应用一