工作过程工遇到有些情况，需要多个mapreduce程序相互依赖执行，使用ControlledJob类可以轻松处理多个JOB之间按照顺序执行。
输入文件为2个，t1.txt和t2.txt，内容如下：
t1:
a
b
a
c
d
a
b
t2:
c
a
e
d
b
a
e
c
c
执行如下命令：
hadoop jar /home/sospdm/morejobs.jar morejobs.morejobs input output output1
分别得到2个输出文件夹output和output1,内容如下：
[sospdm@master2-dev ~]$ hadoop fs -cat output/part-r-00000
a 5
b 3
c 4
d 2
e 2
[sospdm@master2-dev ~]$ hadoop fs -cat output1/part-r-00000
sum 16
经过处理后第一个MAPREDUCE程序得到词频，第二个程序以第一个输出文件夹作为输入，得出总词频。
代码：
package morejobs;
import java.io.IOException;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapred.JobConf;
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.jobcontrol.ControlledJob;
import org.apache.hadoop.mapreduce.lib.jobcontrol.JobControl;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import java.util.regex.Matcher;
import java.util.regex.Pattern;;
public class morejobs {
/***************第一个MAPREDUCE实现单词计数
*
* @author zhangliang
*
*/
//第一个Job的map函数
public static class Map_First extends Mapper<Object, Text ,Text , IntWritable>{
private final static IntWritable one = new IntWritable(1);
private Text keys = new Text();
public void map(Object key,Text value, Context context ) throws IOException, InterruptedException {
String s = value.toString();
keys.set(s);
context.write(keys, one);
}
}
//第一个Job的reduce函数
public static class Reduce_First 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 value:values) {
sum += value.get();
}
result.set(sum);
context.write(key, result);
}
}
/***************************第二个MAPREDUCE实现计数后求和
*
* @author 11100198
*
*/
//第二个job的map函数
public static class Map_Second extends Mapper<Object, Text ,Text , IntWritable>{
private final static IntWritable one = new IntWritable(1);
private Text keys = new Text("sum");
public void map(Object key,Text value, Context context ) throws IOException, InterruptedException {
Pattern p = Pattern.compile("\\d{1,10}$");
Matcher m = p.matcher(value.toString());
m.find();
int s = Integer.valueOf(m.group()).intValue();
one.set(s);
context.write(keys, one);
}
}
//第二个Job的reduce函数
public static class Reduce_Second 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 value:values) {
sum += value.get();
}
result.set(sum);
context.write(key, result);
}
}
/**********************
* 以下JOB配置参考：http://www.tuicool.com/articles/N7buuy
* @param args
* @throws IOException
*/
//启动函数
public static void main(String[] args) throws IOException {
JobConf conf = new JobConf(morejobs.class);
//第一个job的配置
Job job1 = new Job(conf,"join1");
job1.setJarByClass(morejobs.class);
job1.setMapperClass(Map_First.class);
job1.setReducerClass(Reduce_First.class);
job1.setMapOutputKeyClass(Text.class);//map阶段的输出的key
job1.setMapOutputValueClass(IntWritable.class);//map阶段的输出的value
job1.setOutputKeyClass(Text.class);//reduce阶段的输出的key
job1.setOutputValueClass(IntWritable.class);//reduce阶段的输出的value
//加入控制容器
ControlledJob ctrljob1=new ControlledJob(conf);
ctrljob1.setJob(job1);
//job1的输入输出文件路径
FileInputFormat.addInputPath(job1, new Path(args[0]));
FileOutputFormat.setOutputPath(job1, new Path(args[1]));
//第二个作业的配置
Job job2=new Job(conf,"Join2");
job2.setJarByClass(morejobs.class);
job2.setMapperClass(Map_Second.class);
job2.setReducerClass(Reduce_Second.class);
job2.setMapOutputKeyClass(Text.class);//map阶段的输出的key
job2.setMapOutputValueClass(IntWritable.class);//map阶段的输出的value
job2.setOutputKeyClass(Text.class);//reduce阶段的输出的key
job2.setOutputValueClass(IntWritable.class);//reduce阶段的输出的value
//作业2加入控制容器
ControlledJob ctrljob2=new ControlledJob(conf);
ctrljob2.setJob(job2);
//设置多个作业直接的依赖关系
//如下所写：
//意思为job2的启动，依赖于job1作业的完成
ctrljob2.addDependingJob(ctrljob1);
//输入路径是上一个作业的输出路径，因此这里填args[1],要和上面对应好
FileInputFormat.addInputPath(job2, new Path(args[1]));
//输出路径从新传入一个参数，这里需要注意，因为我们最后的输出文件一定要是没有出现过得
//因此我们在这里new Path(args[2])因为args[2]在上面没有用过，只要和上面不同就可以了
FileOutputFormat.setOutputPath(job2,new Path(args[2]) );
//主的控制容器，控制上面的总的两个子作业
JobControl jobCtrl=new JobControl("myctrl");
//添加到总的JobControl里，进行控制
jobCtrl.addJob(ctrljob1);
jobCtrl.addJob(ctrljob2);
//在线程启动，记住一定要有这个
Thread t=new Thread(jobCtrl);
t.start();
while(true){
if(jobCtrl.allFinished()){//如果作业成功完成，就打印成功作业的信息
System.out.println(jobCtrl.getSuccessfulJobList());
jobCtrl.stop();
break;
}
}
}
}