MapReduce原理及实例分析

前言
由于最近开始涉及MR程序的编写，之前会一点HIVE，对MR接触不多，不论从原理还是实际操作上，都有些障碍，终于在今天柳暗花明，将这一过程记录下，与大家分享~
环境准备
在VM上搭建好LINUX虚拟机，并安装配置好HADOOP2.2.0，我这里是单节点的伪分布式在eclipse中安装hadoop插件
对我们这种MR的新手而言，最好在本地有一个HADOOP运行环境，这样有许多好处：
如果我们每次写完MR程序，都打成JAR包上传至线上服务器上运行，那么每次MR运行的时间非常长，也许等待了许久，运行结果和我们预期不一致，又得改程序重新来一边，这会有一点痛苦！
在我们本地的HADOOP上运行MR程序非常快，就那么几秒，更加重要的是，我们可以再本地准备输入文件去测试MR的逻辑，这对调试/开发程序非常方便！

实例及原理分析
假设，我们有这样的输入文件：
cate-aspu-11cate-aspu-12cate-aspu-23cate-aspu-24cate-aspu-35cate-aspu-36cate-aspu-17cate-aspu-48cate-aspu-49cate-aspu-18…
我们希望得到分cate,分spu的总和，并且取分cate分spu的TOP3

如上图示，大致描述了MAP/REDUCE的运行流程：
输入文件+InputFormat 提供给MAP

需要清楚提供给MAP的KEY1/VALUE1是什么？MAP准备输出的KEY2/VALUE2是什么？

MAP输出后，会进行分区操作，也就是决定KEY2/VALUE2发到哪些reduce上
分区由job.setPartitionerClass决定
在同一个分区内，会对KEY2进行排序，依据是job.setSortComparatorClass，如果没有设置则根据KEY的compareTo方法
接下来进入分组阶段，会构造KEY3和VALUE迭代器
分组的依据是job.setGroupingComparatorClass， 香港云主机只要比较器比较的相同就在同一组
KEY3/VALUE迭代器交给reduce方法处理

步骤：
自定义KEY

KEY应该是可序列化，可比较的，只需要注意实现WritableComparable即可。重点关注compareTo方法。

分区
分区，是KEY的第一次比较，extends Partitioner 并提供getPartition即可。这里根据cate分区。

分组

需要注意的是，分组类必须提供构造方法，并且重载public int compare(WritableComparable w1, WritableComparable w2) 。这里根据cate,spu分组。
通过上述的，就可以取得分cate分spu的SUM（counts）值了。
通过eclipse hadoop插件，可以方便我们上传测试文件到HDFS，可以浏览，删除HDFS文件，更加方便的是，就像运行普通JAVA程序一样的运行/调试MR程序（不在需要打成JAR包）,让我们可以追踪MR的每一步，非常方便进行逻辑性测试~

那么怎么取分cate分spu的TOP3呢？
我们只需要把上一个MR的输出文件，作为另一个MR的输入，并且以cate+counts 为KEY ，以spu为VALUE，根据cate分区，分组，排序的话:cate相同情况下，根据counts倒序；最后在reduce阶段取TOP3即可。

那么到现在，分组取TOP就完成了。

一个疑问：reduce阶段中的KEY到底是什么？
在上面例子中的取TOP3的MR中，我们是以cate+counts为KEY，spu为VALUE。
cate作为分区，分组的依据，排序根据同一个cate下counts倒序。如下图所示：
那么reduce方法中的KEY是什么？
spu1,spu4,spu3…是VALUES中的，那么这个迭代器的对应KEY是什么呢？是cate+42吗？还是其他？在VALUES迭代过程中，这个KEY会变化吗？
我们可以看下ECLIPSE中的控制台打印输出的内容：

从打印上来看，可以分析出如下结论：
分组后，交给reduce方法处理的KEY是同一组的所有KEY的第一个KEY，并且在VALUES迭代过程中，KEY并不会重新NEW，而是利用SETTER反射的方式重新设置属性值，这样在VALUES迭代过程中取得的KEY都是与之对应的KEY了。

相关推荐: Hive Sum MAX Over Demo(单月访问次数和总访问次数)

A,2015-01,5A,2015-01,15B,2015-01,5A,2015-01,8B,2015-01,25A,2015-01,5A,2015-02,4A,2015-02,6B,2015-02,10B,2015-02,5A,2015-03,16A,201…