강의
Map Reduce 프로그래밍
- 디스크 기반
- Key, Value 쌍의 집합 형태의 데이터셋 포맷
- 변경 불가 (immutable)
- map 혹은 reduce 오퍼레이션으로만 데이터 조작 가능
- 셔플링 : Map 결과 Reduce단에 적재
Map
- (k, v) → [(k', v')*] 형태
- 지정된 HDFS 파일로부터 시스템에 의해 입력
Reduce
- (k', [v1', v2', v3', ...]) → (k'', v'')
- Map의 출력 중 같은 키를 갖는 페어를 묶어서 시스템에 의해 입력
- HDFS에 출력 저장
Shuffling
- Mapper의 출력을 Reducer로 전송하는 프로세스
- 전송하는 데이터의 크기가 크면 네트워크 병목 초래 및 시간 효율 감소
Sorting
- Mapper의 출력을 Reducer가 받아 키 별로 정렬
Data Skew
- 각 태스크가 처리하는 데이터의 크기 간에 불균형 발생
문제점
- 낮은 생산성
- 융통성 부족
- 튜닝 및 최적화 어려움
- 배치작업 중심
- Low Latency가 아닌 Throughput 중심
- Shuffling 후에 Data Skew 발생 가능성 높음
- 디스크를 통한 입출력
대안
- 범용적인 대용량 데이터 처리 프레임워크 : YARN, Spark
- SQL 이용 : Hive, Presto
예제
WordCountMapper
cd hadoop-3.3.4/
bin/hdfs dfs -mkdir /user
bin/hdfs dfs -mkdir /user/hdoop
bin/hdfs dfs -mkdir input
vi words.txt # 랜덤 단어 입력
bin/hdfs dfs -put words.txt input
bin/hadoop jar hadoop-*-examples.jar wordcount input output
bin/hdfs dfs -cat output/part-r-00000
bin/hadoop == bin/yarn
bin/hdfs dfs -ls input
bin/hdfs dfs -ls output
/**
* Licensed to the Apache Software Foundation (ASF) under one
* or more contributor license agreements. See the NOTICE file
* distributed with this work for additional information
* regarding copyright ownership. The ASF licenses this file
* to you under the Apache License, Version 2.0 (the
* "License"); you may not use this file except in compliance
* with the License. You may obtain a copy of the License at
*
* http://www.apache.org/licenses/LICENSE-2.0
*
* Unless required by applicable law or agreed to in writing, software
* distributed under the License is distributed on an "AS IS" BASIS,
* WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
* See the License for the specific language governing permissions and
* limitations under the License.
*/
package org.apache.hadoop.examples;
import java.io.IOException;
import java.util.StringTokenizer;
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 WordCount {
public static class TokenizerMapper
extends Mapper<Object, Text, Text, IntWritable>{
private final static IntWritable one = new IntWritable(1);
private Text word = new Text();
public void map(Object key, Text value, Context context
) throws IOException, InterruptedException {
StringTokenizer itr = new StringTokenizer(value.toString());
while (itr.hasMoreTokens()) {
word.set(itr.nextToken());
context.write(word, one);
}
}
}
public static class IntSumReducer
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 val : values) {
sum += val.get();
}
result.set(sum);
context.write(key, result);
}
}
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
if (otherArgs.length < 2) {
System.err.println("Usage: wordcount <in> [<in>...] <out>");
System.exit(2);
}
Job job = Job.getInstance(conf, "word count");
job.setJarByClass(WordCount.class);
job.setMapperClass(TokenizerMapper.class);
job.setCombinerClass(IntSumReducer.class);
job.setReducerClass(IntSumReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
for (int i = 0; i < otherArgs.length - 1; ++i) {
FileInputFormat.addInputPath(job, new Path(otherArgs[i]));
}
FileOutputFormat.setOutputPath(job,
new Path(otherArgs[otherArgs.length - 1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
'데브코스 TIL > 빅데이터, 스트리밍 데이터 처리' 카테고리의 다른 글
Spark 설치 및 테스트 (0) | 2024.01.17 |
---|---|
Spark 데이터 처리 (0) | 2024.01.17 |
Spark 소개 (0) | 2024.01.15 |
Hadoop 소개 및 설치 (0) | 2024.01.15 |
빅데이터 소개 (0) | 2024.01.15 |