hadoop mapreduce實現數據去重

實現原理分析：

　　map函數數將輸入的文本按照行讀取，   並將Key--每一行的內容   輸出    value--空。

　　reduce  會自動統計所有的key,我們讓reduce輸出key->輸入的key    value->空，這樣就利用reduce自動合並相同的key的原理實現了數據去重。

 

源代碼：

package com.duking.hadoop;

import java.io.IOException;

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;
import org.apache.hadoop.util.GenericOptionsParser;

public class Dedup {

	// map將輸入中的value復制到輸出數據的key上，並直接輸出

	public static class Map extends Mapper<Object, Text, Text, Text> {

		private static Text line = new Text();// 每行數據

		// 實現map函數
		public void map(Object key, Text value, Context context)

		throws IOException, InterruptedException {

			line = value;

			context.write(line, new Text(""));
		}
	}

	// reduce將輸入中的key復制到輸出數據的key上，並直接輸出    這是數據區重的思想
	public static class Reduce extends Reducer<Text, Text, Text, Text> {

		// 實現reduce函數

		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 {

		Configuration conf = new Configuration();

		// 這句話很關鍵
		conf.set("mapred.job.tracker", "192.168.60.129:9000");

		//指定帶運行參數的目錄為輸入輸出目錄
		String[] otherArgs = new GenericOptionsParser(conf, args)
		.getRemainingArgs();
		
		/*      指定工程下的input2為文件輸入目錄    output2為文件輸出目錄
		String[] ioArgs = new String[] { "input2", "output2" };

		String[] otherArgs = new GenericOptionsParser(conf, ioArgs)
				.getRemainingArgs();*/

		if (otherArgs.length != 2) {    //判斷路徑參數是否為2個

			System.err.println("Usage: Data Deduplication <in> <out>");

			System.exit(2);

		}

		//set maprduce job name
		Job job = new Job(conf, "Data Deduplication");

		job.setJarByClass(Dedup.class);

		// 設置Map、Combine和Reduce處理類

		job.setMapperClass(Map.class);

		job.setCombinerClass(Reduce.class);

		job.setReducerClass(Reduce.class);

		// 設置輸出類型

		job.setOutputKeyClass(Text.class);

		job.setOutputValueClass(Text.class);

		// 設置輸入和輸出目錄

		FileInputFormat.addInputPath(job, new Path(otherArgs[0]));

		FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));

		System.exit(job.waitForCompletion(true) ? 0 : 1);

	}

}