Aplicaciones Difusas Map Reduce con java

1. Aplicaciones Difusas:
Map Reduce java
Autor(es): • Mtr. Luis Fernando Aguas

4. http://www.cloudera.com/content/cloudera/en/resources/library/training/introduction-to-apache-mapreduce-and-hdfs.html
Una sencilla aplicación que cuenta el número de ocurrencias de cada palabra en un conjunto de entrada.

5. public static class Map extends MapReduceBase
implements Mapper<LongWritable,Text,Text, IntWritable>
{
private final static IntWritable one = new IntWritable(1);
privateText word = newText();
public void map(LongWritable key,Text value, OutputCollector<Text, IntWritable> output, Reporter reporter)
throws IOException {
String line = value.toString();
StringTokenizer tokenizer = new StringTokenizer(line);
while (tokenizer.hasMoreTokens()) {
word.set(tokenizer.nextToken());
output.collect(word, one);
}
}
}
El método de map procesa una línea a la vez.
divide la línea en tokens separados por espacios en blanco, a través de la StringTokenizer,
Emite un par clave-valor <<palabra>, 1>.

6. conf.setCombinerClass(Reduce.class);
El efecto en el procesoWordCount es entregar un consolidad local de ocurrencias de cada palabra.
En la configuración del job se adiciona como parámetro la siguiente instrucción.
< Hello, 1>
<World, 1>
< Bye, 1>
<World, 1>
< Bye, 1>
< Hello, 1>
<World, 2>

7. public static class Reduce extends MapReduceBase implements Reducer<Text, IntWritable,Text, IntWritable>
{
public void reduce(Text key, Iterator<IntWritable> values, OutputCollector<Text, IntWritable> output, Reporter
reporter) throws IOException {
int sum = 0;
while (values.hasNext()) {
sum += values.next().get();
}
output.collect(key, new IntWritable(sum));
}
}
La implementación reductor, a través del método de reduce suma los valores, que son las sumas
locales entregadas por la fase anterior.

8. JobConf: Es la interfaz principal para establecer los
parámetros de configuración del trabajo de MapReduce,
como paths de archivos de entrada y salida, la clase de
mapeo y de reducción, etc.
Algunos de estos parámetros se pasan por consola (línea
de comandos) o por la GUI en propiedades del job.
public static void main(String[] args) throws Exception
{
JobConf conf = new JobConf(WordCount.class);
conf.setJobName("wordcount");
conf.setOutputKeyClass(Text.class);
conf.setOutputValueClass(IntWritable.class);
conf.setMapperClass(Map.class);
conf.setCombinerClass(Reduce.class);
conf.setReducerClass(Reduce.class);
conf.setInputFormat(TextInputFormat.class);
conf.setOutputFormat(TextOutputFormat.class);
FileInputFormat.setInputPaths(conf, new Path(args[0]));
FileOutputFormat.setOutputPath(conf, new Path(args[1]));
JobClient.runJob(conf);
}

9. $ bin/hadoop jar org.myorg.WordCount

12. http://vimeo.com/3584536
http://archive.cloudera.com/cdh/3/hadoop/mapred_tutorial.html#Source+Code
http://archive.cloudera.com/cdh/3/hadoop/api/org/apache/hadoop/mapred/Mapper.html
http://archive.cloudera.com/cdh/3/hadoop/api/org/apache/hadoop/mapred/Reducer.html
http://archive.cloudera.com/cdh/3/hadoop/api/org/apache/hadoop/mapred/JobConf.html
http://java.dzone.com/articles/running-hadoop-mapreduce