JavaのMapReduceを使用してキー値によるデータの結合

2年 ago
芽依, 雨夜
2 minutes

JavaではMapReduceフレームワークを利用して、キー値に基づいてデータを統合できます。以下に、簡単なコードの例を示します。

import java.io.IOException;
import java.util.ArrayList;
import java.util.List;
import java.util.StringTokenizer;
import org.apache.hadoop.conf.Configuration;
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.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
public class KeyValueMerge {
public static class TokenizerMapper
extends Mapper<Object, Text, Text, IntWritable> {
private final static IntWritable one = new IntWritable(1);
private Text word = new Text();
public void map(Object key, Text value, Context context
) throws IOException, InterruptedException {
StringTokenizer itr = new StringTokenizer(value.toString());
while (itr.hasMoreTokens()) {
word.set(itr.nextToken());
context.write(word, one);
}
}
}
public static class IntSumReducer
extends Reducer<Text, IntWritable, Text, IntWritable> {
private IntWritable result = new IntWritable();
public void reduce(Text key, Iterable<IntWritable> values,
Context context
) throws IOException, InterruptedException {
int sum = 0;
for (IntWritable val : values) {
sum += val.get();
}
result.set(sum);
context.write(key, result);
}
}
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
Job job = Job.getInstance(conf, "key value merge");
job.setJarByClass(KeyValueMerge.class);
job.setMapperClass(TokenizerMapper.class);
job.setCombinerClass(IntSumReducer.class);
job.setReducerClass(IntSumReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}

このサンプルでは、TokenizerMapperクラスをMapタスクとして定義し、StringTokenizerを使って入力テキストを単語に分割し、各単語をキーとして、値を1に設定し、その後、キーバリューペアをReducerタスクに出力します。

ReducerタスクはIntSumReducerクラスによって実装されます。このクラスは同じキーの値のグループを受け取り、それらを足し合わせて、キーバリューペアを出力します。

mainメソッドでは、入力パス、出力パス、使用されるMapperクラスとReducerクラスなど、ジョブの各種パラメータを設定しました。

この例をMapReduceフレームワークで実行するには、コードをJARファイルとしてパッケージ化し、Hadoopクラスターでそれを実行する必要があります。Hadoopクラスターがすでにインストールされ構成されているものとすると、以下のコマンドを使用してこの例を実行できます。

hadoop jar KeyValueMerge.jar KeyValueMerge <input-dir> <output-dir>

KeyValueMerge.jar はパッケージされた JAR ファイルで、 は入力ディレクトリ、 は出力ディレクトリです。

bannerAds