MR实现平均成绩

mapreduce是否可以完成我们传统开发中经常遇到的一些任务。

例如排序、平均数、批量word转换等。它和我们传统开发有什么不同。

那么我们可以带着下面问题来阅读：

1.mapreduce是如何求平均值的？
2.map在求平均值的作用是什么？
3.reduce在求平均值的作用是什么？

一、简介：

"平均成绩"主要目的还是在重温经典"WordCount"例子，可以说是在基础上的微变化版，该实例主要就是实现一个计算学生平均成绩的例子。

二、实例描述

对输入文件中数据进行就算学生平均成绩。

输入文件中的每行内容均为一个学生的姓名和他相应的成绩，如果有多门学科，则每门学科为一个文件。

要求在输出中每行有两个间隔的数据，其中，第一个代表学生的姓名，第二个代表其平均成绩。

math.txt

张三    88

李四    99

王五    66

赵六    77

chinese.txt

张三 78

李四 89

王五 96

赵六 67

english.txt

张三 80

李四 82

王五 84

赵六 86

三、设计思路

计算学生平均成绩是一个仿"WordCount"例子，用来重温一下开发MapReduce程序的流程。

程序包括两部分的内容：Map部分和Reduce部分，分别实现了map和reduce的功能。

Map处理的是一个纯文本文件，文件中存放的数据时每一行表示一个学生的姓名和他相应一科成绩。

Mapper处理的数据是由InputFormat分解过的数据集，其中InputFormat的作用是将数据集切割成小数据集InputSplit，

每一个InputSlit将由一个Mapper负责处理。

此外，InputFormat中还提供了一个RecordReader的实现，并将一个InputSplit解析成<key,value>对提供给了map函数。

InputFormat的默认值是TextInputFormat，它针对文本文件，按行将文本切割成InputSlit，并用LineRecordReader将InputSplit解析成<key,value>对，

key是行在文本中的位置，value是文件中的一行。

Map的结果会通过partion分发到Reducer，Reducer做完Reduce操作后，将通过以格式OutputFormat输出。

Mapper最终处理的结果对<key,value>，会送到Reducer中进行合并，合并的时候，有相同key的键/值对则送到同一个Reducer上。

Reducer是所有用户定制Reducer类地基础，它的输入是key和这个key对应的所有value的一个迭代器，同时还有Reducer的上下文。

Reduce的结果由Reducer.Context的write方法输出到文件中。

在HDFS文件系统上创建目录
[root@node1 hadoop-2.5.1]# hadoop fs -mkdir -p /usr/matrix/input/score

将文件上传到HDFS文件系统之上
[root@node1 hadoop-2.5.1]# hadoop fs -put data/chinese.txt /usr/matrix/input/score
[root@node1 hadoop-2.5.1]# hadoop fs -put data/english.txt /usr/matrix/input/score
[root@node1 hadoop-2.5.1]# hadoop fs -put data/math.txt /usr/matrix/input/score
[root@node1 hadoop-2.5.1]# hadoop fs -ls /usr/matrix/input/score

AvgscoreMapper.java

package com.matrix.avgscore;

import java.io.IOException;
import java.util.StringTokenizer;

import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

public class AvgscoreMapper extends Mapper<LongWritable, Text, Text, IntWritable> {

    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {

        String line = value.toString();

        String[] str = StringUtils.split(line, "\t");

        // String k = str[0];
        // String v = str[1];
        //
        // System.out.println(line);
        // System.out.println(k);
        // System.out.println(v);

        StringTokenizer tokenizer = new StringTokenizer(line, "\n");
        // 分别对每行进行处理
        while (tokenizer.hasMoreElements()) {
            StringTokenizer tokenizerLine = new StringTokenizer(tokenizer.nextToken());
            String strName = tokenizerLine.nextToken();// 学生姓名部分
            String strScore = tokenizerLine.nextToken();// 成绩部分
            Text name = new Text(strName);
            int scoreInt = Integer.parseInt(strScore);

            // 输出姓名和成绩

            context.write(name, new IntWritable(scoreInt));
        }

    }

}

AvgscoreReducer.java

package com.matrix.avgscore;

import java.io.IOException;
import java.util.Iterator;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

public class AvgscoreReducer extends Reducer<Text, IntWritable, Text, IntWritable> {

    // 在Reduce中，会合并相同key的value值

    @Override
    protected void reduce(Text key, Iterable<IntWritable> value, Context context)
            throws IOException, InterruptedException {

        int score = 0;
        int count = 0;

        Iterator<IntWritable> it = value.iterator();
        while (it.hasNext()) {
            // 计算总分数
            score += it.next().get();
            // 统计同一个人的总科目数
            count++;
        }

        // 计算平均成绩
        int avg = score / count;

        context.write(key, new IntWritable(avg));

    }

}

AvgscoreTest.java

	package com.matrix.avgscore;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;

public class AvgscoreTest {

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

        Configuration conf = new Configuration();
        conf.set("fs.defaultFS", "hdfs://node1:8020");

        FileSystem fs = FileSystem.get(conf);

        Job job = Job.getInstance(conf);

        job.setJarByClass(AvgscoreTest.class);

        job.setMapperClass(AvgscoreMapper.class);
        job.setReducerClass(AvgscoreReducer.class);

        // 将输入的数据集分割成小数据块splites，提供一个RecordReder的实现
        job.setInputFormatClass(TextInputFormat.class);

        // 提供一个RecordWriter的实现，负责数据输出
        job.setOutputFormatClass(TextOutputFormat.class);

        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        FileInputFormat.setInputPaths(job, "/usr/matrix/input/score");

        Path outer = new Path("/usr/matrix/output/score");

        if (fs.exists(outer)) {
            fs.delete(outer, true);
        }

        FileOutputFormat.setOutputPath(job, outer);

        boolean f = job.waitForCompletion(true);

        if (f) {
            System.out.println("程序执行成功！");
        }
    }
}

运行结果：(计算平均成绩)