ODPS MR开发 WordCount

2024-05-09 14:32
文章标签 开发 mr wordcount odps

本文主要是介绍ODPS MR开发 WordCount,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!


参考:
ODPS初始篇--客户端配置和使用:http://blog.itpub.net/26613085/viewspace-1327313/
odps dship客户端使用:http://blog.itpub.net/26613085/viewspace-1328434/
有了上面两篇文章,就可以使用ODPS的客户端;使用ODPS DSHIP往ODPS上上传数据。

1、 在Eclipse中创建一个JAVA工程ODPS_WORD_COUNT
2、 下载ODPS JAVA SDK包,http://www.aliyun.com/product/odps/,“开发者资源”,“JAVA SDK包”,解压缩。把这些jar包搜罗到一个文件夹下吧,等下添加的时候比较省事。

3、 在工程中添加ODPS SDK的JAR包,需要将这些JAR文件添加到Eclipse Project的Build Path中:选中ODPS_WORD_COUNT,右键Bulid Path,Configure Build Path,Java Build Path,Libraries,Add External JARs,选中JAR,然后OK就可以。把上面JAVA SDK包中的Jar文件都添加进来。 (如果想要在本地测试MR程序,需要把ODPS CLT里面的jar包都添加到项目中)
4、 在ODPS中准备一张表,yangsw_test.word_count.
odps:sql:yangsw_test> create table word_count(content string);
InstanceId: 2014111201412840gqtigdx5
OK
odps:sql:yangsw_test> desc word_count;
+------------------------------------------------------------------------------------+
| Table: word_count                                                                  |
| Owner: ALIYUN$******@***.com     | Project: yangsw_test                       |
| TableComment:                                                                      |
+------------------------------------------------------------------------------------+
| CreatedTime:              2014-11-12 09:41:28                                      |
| LastMetaModifiedTime:     2014-11-12 09:41:28                                      |
| LastDataModifiedTime:     1970-01-01 08:00:00                                      |
+------------------------------------------------------------------------------------+
| Type : Table                 | Size: 0 Bytes                                       |
+------------------------------------------------------------------------------------+
| Native Columns:                                                                    |
+------------------------------------------------------------------------------------+
| Field           | Type       | Comment                                             |
+------------------------------------------------------------------------------------+
| content         | STRING     |                                                     |
+------------------------------------------------------------------------------------+

5、 准备数据文件word_count.txt
hello word
hello odps
let us begin cloud compute now
6、 dship导入到word_count表
dship upload -fd "~" -rd "\r\n" C:\Users\yangswa\Desktop\word_count.txt word_count
Upload session: 201411120951352581870a0025cfcc
2014-11-12 09:51:06     scanning file: 'word_count.txt'
2014-11-12 09:51:06     uploading file: 'word_count.txt'
2014-11-12 09:51:07     'word_count.txt' uploaded
OK


7、 查看下这张表的数据
odps:sql:yangsw_test> select * from word_count;
InstanceId: 2014111214471814gabmgdx5
SQL: .
+---------+
| content |
+---------+
| hello word |
| hello odps |
| let us begin cloud compute now |
+---------+
8、 再创建一个结果表
odps:sql:yangsw_test> create table word_count_result(word string,count bigint);
InstanceId: 20141112074523943g9l5pdx5
OK
odps:sql:yangsw_test> desc word_count_result;
+------------------------------------------------------------------------------------+
| Table: word_count_result                                                           |
| Owner: ALIYUN$**********@126.com     | Project: yangsw_test                       |
| TableComment:                                                                      |
+------------------------------------------------------------------------------------+
| CreatedTime:              2014-11-12 15:45:24                                      |
| LastMetaModifiedTime:     2014-11-12 15:45:24                                      |
| LastDataModifiedTime:     1970-01-01 08:00:00                                      |
+------------------------------------------------------------------------------------+
| Type : Table                 | Size: 0 Bytes                                       |
+------------------------------------------------------------------------------------+
| Native Columns:                                                                    |
+------------------------------------------------------------------------------------+
| Field           | Type       | Comment                                             |
+------------------------------------------------------------------------------------+
| word            | STRING     |                                                     |
| count           | BIGINT     |                                                     |
+------------------------------------------------------------------------------------+
9、 实现程序
先建立一个包吧,com.thomas.odps
先借用官方的一个WordCount.java代码,下一篇文章将这个类改写成mapper、reducer和main类分开的写法。这次先把流程都走通。
package com.thomas.odps;

import java.io.IOException;
import java.util.Iterator;
import com.aliyun.odps.Column;
import com.aliyun.odps.OdpsException;
import com.aliyun.odps.OdpsType;
import com.aliyun.odps.data.Record;
import com.aliyun.odps.data.TableInfo;
import com.aliyun.odps.mapred.JobClient;
import com.aliyun.odps.mapred.MapperBase;
import com.aliyun.odps.mapred.ReducerBase;
import com.aliyun.odps.mapred.RunningJob;
import com.aliyun.odps.mapred.conf.JobConf;
import com.aliyun.odps.mapred.utils.InputUtils;
import com.aliyun.odps.mapred.utils.OutputUtils;


public class WordCount {

 public static class TokenizerMapper extends MapperBase {
  Record word;
  Record one;

  @Override
  public void setup(TaskContext context) throws IOException {
   word = context.createMapOutputKeyRecord();
   one = context.createMapOutputValueRecord();
   one.setBigint(0, 1L);
  }

  @Override
  public void map(long recordNum, Record record, TaskContext context)
    throws IOException {
   for (int i = 0; i < record.getColumnCount(); i++) {
    String[] words = record.get(i).toString().split("\\s+");
    for (String w : words) {
     word.setString(0, w);
     context.write(word, one);
    }
   }
  }

  public static class SumCombiner extends ReducerBase {
   private Record count;

   @Override
   public void setup(TaskContext context) throws IOException {
    count = context.createMapOutputValueRecord();
   }

   @Override
   public void reduce(Record key, Iterator<Record> values,
     TaskContext context) throws IOException {
    long c = 0;
    while (values.hasNext()) {
     Record val = values.next();
     c += (Long) val.get(0);
    }
    count.set(0, c);
    context.write(key, count);
   }
  }

  public static class SumReducer extends ReducerBase {
   private Record result;

   @Override
   public void setup(TaskContext context) throws IOException {
    result = context.createOutputRecord();
   }

   @Override
   public void reduce(Record key, Iterator<Record> values,
     TaskContext context) throws IOException {
    long count = 0;
    while (values.hasNext()) {
     Record val = values.next();
     count += (Long) val.get(0);
    }
    result.set(0, key.get(0));
    result.set(1, count);
    context.write(result);
   }
  }

  public static void main(String[] args) throws OdpsException {
   if (args.length != 2) {
    System.err.println("Usage: wordcount <in_table> <out_table>");
    System.exit(2);
   }
   JobConf job = new JobConf();
   job.setMapperClass(TokenizerMapper.class);
   job.setCombinerClass(SumCombiner.class);
   job.setReducerClass(SumReducer.class);
   job.setMapOutputKeySchema(new Column[] { new Column("word",
     OdpsType.STRING) });
   job.setMapOutputValueSchema(new Column[] { new Column("count",
     OdpsType.BIGINT) });
   InputUtils.addTable(TableInfo.builder().tableName(args[0]).build(), job);
   OutputUtils.addTable(TableInfo.builder().tableName(args[1]).build(), job);
   RunningJob rj = JobClient.runJob(job);
   rj.waitForCompletion();
  }
 }
}
10、 本地测试
WordCount.java右键,“Run As”,“Run Configurations …”:

Main”,”Project”:
ODPS_WORD_COUNT
Main”,”Main class”:
com.thomas.odps.WordCount$TokenizerMapper
(这个本来应该是com.thomas.odps.WordCount但是系统自动带出来上面的,改掉在本地执行时还报错因此就设置成上面的吧)
Arguments”,”Program arguments”:
word_count word_count_result
Arguments”,”VM arguments”:
-Dodps.runner.mode=local
-Dodps.project.name=yangsw_test
-Dodps.end.point=http://service.odps.aliyun.com/api
-Dodps.access.id=**********
-Dodps.access.key=**********
配置好后点击“Run”,启动本地测试

控制台输出:
Running open mr on old console.
2014-11-13 16:15:35 com.aliyun.odps.mapred.LocalJobRunner submit
信息: run mapreduce job in local mode
2014-11-13 16:15:35 com.aliyun.odps.mapred.LocalJobRunner submit
信息: job id: mr_20141113161535_909_4984
2014-11-13 16:15:35 com.aliyun.odps.mapred.LocalJobRunner processInput
信息: Processing input: word_count
2014-11-13 16:15:36 com.aliyun.odps.mapred.local.utils.SchemaUtils generateSchemaFile
信息: generate schema file: D:\MyEclipseWorkStation\ODPS_WORD_COUNT\warehouse\yangsw_test\word_count\__schema__
2014-11-13 16:15:36 com.aliyun.odps.mapred.local.utils.LocalRunUtils downloadTableSchemeAndData
信息: Create table scheme of word_count, Path: D:\MyEclipseWorkStation\ODPS_WORD_COUNT\warehouse\yangsw_test\word_count
2014-11-13 16:15:36 com.aliyun.odps.mapred.local.utils.LocalRunUtils downloadTable
信息: Start to download table: yangsw_test.word_count partSpec: null to D:\MyEclipseWorkStation\ODPS_WORD_COUNT\warehouse\yangsw_test\word_count
2014-11-13 16:15:37 com.aliyun.odps.mapred.local.utils.SchemaUtils generateSchemaFile
信息: generate schema file: D:\MyEclipseWorkStation\ODPS_WORD_COUNT\temp\mr_20141113161535_909_4984\input\yangsw_test\word_count\__schema__
2014-11-13 16:15:37 com.aliyun.odps.mapred.local.utils.SchemaUtils generateSchemaFile
信息: generate schema file: D:\MyEclipseWorkStation\ODPS_WORD_COUNT\temp\mr_20141113161535_909_4984\output\__default__\__schema__
2014-11-13 16:15:37 com.aliyun.odps.mapred.LocalJobRunner runJob
信息: Start to run mappers, num: 1
2014-11-13 16:15:37 com.aliyun.odps.mapred.local.MapDriver <init>
信息: Map M_000000: input: temp\mr_20141113161535_909_4984\input\yangsw_test\word_count\data:0+56
2014-11-13 16:15:37 com.aliyun.odps.mapred.local.MapDriver <init>
信息: create record reader: finished
2014-11-13 16:15:37 com.aliyun.odps.mapred.local.MapDriver run
信息: Start to run Mapper: M_000000
2014-11-13 16:15:37 com.aliyun.odps.mapred.local.MapDriver$ProxiedMapContextImpl close
信息: Start to run Combiner
2014-11-13 16:15:37 com.aliyun.odps.mapred.local.MapDriver$ProxiedMapContextImpl close
信息: Fininshed run Combiner
2014-11-13 16:15:37 com.aliyun.odps.mapred.local.MapDriver run
信息: Fininshed run Reducer: M_000000
2014-11-13 16:15:37 com.aliyun.odps.mapred.LocalJobRunner runJob
信息: Start to run reduces, num: 1
2014-11-13 16:15:37 com.aliyun.odps.mapred.local.ReduceDriver run
信息: Start to run Reducer: R_000000
2014-11-13 16:15:37 com.aliyun.odps.mapred.local.ReduceDriver run
信息: Fininshed run Reducer: R_000000
2014-11-13 16:15:37 com.aliyun.odps.mapred.LocalJobRunner moveOutputs
信息: Copy output to warehouse: label=__default__ -> D:\MyEclipseWorkStation\ODPS_WORD_COUNT\warehouse\yangsw_test\word_count_result
Summary:
counters: 8
 map-reduce framework
  combine_input_groups=9
  combine_output_records=9
  map_input_bytes=56
  map_input_records=3
  map_output_records=10
  reduce_output_[word_count_result]_bytes=74
  reduce_output_[word_count_result]_records=9

OK
InstanceId: mr_20141113161535_909_4984

执行完成后,会在该工程的目录下面多了如下目录结构:
./temp
./ warehouse
/ yangsw_test
    /word_count
        / __schema__
        / data
    /word_count_result
        / __schema__
        / R_000000
其中word_count下面的__schema__内容包含word_count源表的项目和表结构:
project=yangsw_test
table=word_count
columns=content:STRING
word_count下面的data是word_count表的数据:
hello word
hello odps
let us begin cloud compute now
word_count_result下面的__schema__是目标表的项目和表结构:
project=yangsw_test
table=word_count_result
columns=word:STRING,count:BIGINT
word_count_result下面的R_000000是输出结果,本次只有一个reduce所以只有一个文件:
begin,1
cloud,1
compute,1
hello,2
let,1
now,1
odps,1
us,1
word,1
上面就是wordcount本地运行的结果了
11、 发布jar包
create resource jar C:\Users\yangswa\Desktop\word_count.jar word_count.jar
12、 在服务端运行
odps:yangsw_test> jar -resources word_count.jar -classpath C:\Users\yangswa\Desktop\word_count.jar com.thomas.odps.WordCount
word_count word_count_result
Exception in thread "main" java.lang.RuntimeException: java.lang.NoSuchMethodException: com.thomas.odps.WordCount.main([Ljava
.lang.String;)
        at com.aliyun.odps.mapred.cli.Cli.main(Cli.java:47)
Caused by: java.lang.NoSuchMethodException: com.thomas.odps.WordCount.main([Ljava.lang.String;)
        at java.lang.Class.getMethod(Unknown Source)
        at com.aliyun.odps.mapred.cli.Cli.main(Cli.java:35)
这个居然报错:main方法不存在,在odps用户中心的售后服务中,提交了个工单,得到的反馈是ODPS MR功能还没有正式开放,要等到12月底才能正式使用。好吧,就先等等吧.

另外一个需要注意的地方时,-classpath要制定本地jar文件的位置,而不是只是指向资源。 

这篇关于ODPS MR开发 WordCount的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/973645

相关文章

python web 开发之Flask中间件与请求处理钩子的最佳实践

《pythonweb开发之Flask中间件与请求处理钩子的最佳实践》Flask作为轻量级Web框架,提供了灵活的请求处理机制,中间件和请求钩子允许开发者在请求处理的不同阶段插入自定义逻辑,实现诸如... 目录Flask中间件与请求处理钩子完全指南1. 引言2. 请求处理生命周期概述3. 请求钩子详解3.1

如何基于Python开发一个微信自动化工具

《如何基于Python开发一个微信自动化工具》在当今数字化办公场景中,自动化工具已成为提升工作效率的利器,本文将深入剖析一个基于Python的微信自动化工具开发全过程,有需要的小伙伴可以了解下... 目录概述功能全景1. 核心功能模块2. 特色功能效果展示1. 主界面概览2. 定时任务配置3. 操作日志演示

JavaScript实战:智能密码生成器开发指南

本文通过JavaScript实战开发智能密码生成器,详解如何运用crypto.getRandomValues实现加密级随机密码生成,包含多字符组合、安全强度可视化、易混淆字符排除等企业级功能。学习密码强度检测算法与信息熵计算原理,获取可直接嵌入项目的完整代码,提升Web应用的安全开发能力 目录

一文教你如何解决Python开发总是import出错的问题

《一文教你如何解决Python开发总是import出错的问题》经常朋友碰到Python开发的过程中import包报错的问题,所以本文将和大家介绍一下可编辑安装(EditableInstall)模式,可... 目录摘要1. 可编辑安装(Editable Install)模式到底在解决什么问题?2. 原理3.

Python+PyQt5开发一个Windows电脑启动项管理神器

《Python+PyQt5开发一个Windows电脑启动项管理神器》:本文主要介绍如何使用PyQt5开发一款颜值与功能并存的Windows启动项管理工具,不仅能查看/删除现有启动项,还能智能添加新... 目录开篇:为什么我们需要启动项管理工具功能全景图核心技术解析1. Windows注册表操作2. 启动文件

使用Python开发Markdown兼容公式格式转换工具

《使用Python开发Markdown兼容公式格式转换工具》在技术写作中我们经常遇到公式格式问题,例如MathML无法显示,LaTeX格式错乱等,所以本文我们将使用Python开发Markdown兼容... 目录一、工具背景二、环境配置(Windows 10/11)1. 创建conda环境2. 获取XSLT

Android开发环境配置避坑指南

《Android开发环境配置避坑指南》本文主要介绍了Android开发环境配置过程中遇到的问题及解决方案,包括VPN注意事项、工具版本统一、Gerrit邮箱配置、Git拉取和提交代码、MergevsR... 目录网络环境:VPN 注意事项工具版本统一:android Studio & JDKGerrit的邮

Python开发文字版随机事件游戏的项目实例

《Python开发文字版随机事件游戏的项目实例》随机事件游戏是一种通过生成不可预测的事件来增强游戏体验的类型,在这篇博文中,我们将使用Python开发一款文字版随机事件游戏,通过这个项目,读者不仅能够... 目录项目概述2.1 游戏概念2.2 游戏特色2.3 目标玩家群体技术选择与环境准备3.1 开发环境3

Go语言开发实现查询IP信息的MCP服务器

《Go语言开发实现查询IP信息的MCP服务器》随着MCP的快速普及和广泛应用,MCP服务器也层出不穷,本文将详细介绍如何在Go语言中使用go-mcp库来开发一个查询IP信息的MCP... 目录前言mcp-ip-geo 服务器目录结构说明查询 IP 信息功能实现工具实现工具管理查询单个 IP 信息工具的实现服

使用Python开发一个带EPUB转换功能的Markdown编辑器

《使用Python开发一个带EPUB转换功能的Markdown编辑器》Markdown因其简单易用和强大的格式支持,成为了写作者、开发者及内容创作者的首选格式,本文将通过Python开发一个Markd... 目录应用概览代码结构与核心组件1. 初始化与布局 (__init__)2. 工具栏 (setup_t