MapReduce-合并去重实验_mapreduce在idea中实现去重和并

此实验在windows操作系统下进行的，使用IDEA编译运行

一、环境准备

参考HDFS的API操作（通过SpringBoot实现）

二、具体流程图

三、实现过程的完整代码

import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
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.output.FileOutputFormat;

/**
 * @author: 易霭珞
 * @description 实现小文件的合并和数据去重操作
 */
public class Merge {
    /**
     *
     * 对A,B两个文件进行合并，并剔除其中重复的内容，得到一个新的输出文件C
     */
    //重载map函数，直接将输入中的value复制到输出数据的key上
    public static class Map extends Mapper<Object, Text, Text, Text>{
        private static Text text = new Text();
        public void map(Object key, Text value, Context context) throws IOException,InterruptedException{
            text = value;
            context.write(text, new Text(""));
        }
    }

    //重载reduce函数，直接将输入中的key复制到输出数据的key上
    public static class Reduce extends Reducer<Text, Text, Text, Text>{
        public void reduce(Text key, Iterable<Text> values, Context context ) throws IOException,InterruptedException{
            context.write(key, new Text(""));
        }
    }

    public static void main(String[] args) throws Exception{
        //定义HDFS文件系统的用户（根据你的Hadoop用户而定）
        System.setProperty("HADOOP_USER_NAME","hduser");
        Configuration conf = new Configuration();
        //定义HDFS文件系统的地址
        conf.set("fs.default.name","hdfs://192.168.56.100:9000");
        //定义Job实例对象以及任务名称
        Job job = Job.getInstance(conf,"Merge and duplicate removal");
        job.setJarByClass(Merge.class);
        job.setMapperClass(Map.class);
        job.setCombinerClass(Reduce.class);
        job.setReducerClass(Reduce.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Text.class);
        //定义需要合并和去重的数据文件夹
        FileInputFormat.addInputPath(job, new Path("hdfs://192.168.56.100:9000/user/hduser/input"));
        //定义输出数据的文件路径
        FileOutputFormat.setOutputPath(job, new Path("hdfs://192.168.56.100:9000/user/hduser/input/out"));
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57

四、输出结果

运行前后的数据对比