转载

使用 Swift语言进行 Hadoop 数据流应用程序开发

本文详细源代码请参考 Github Perfect Examples

该项目展示了如何使用 Swift 语言开发 Hadoop 流处理应用程序。

该软件使用SPM进行编译和测试,本软件也是 Perfect 项目的一部分。本软件包可独立使用,因此使用时可以脱离PerfectLib等其他组件。

请确保您已经安装并激活了最新版本的 Swift 3.0 tool chain 工具链。

问题报告、内容贡献和客户支持

我们目前正在过渡到使用JIRA来处理所有源代码资源合并申请、修复漏洞以及其它有关问题。因此,GitHub 的“issues”问题报告功能已经被禁用了。

如果您发现了问题,或者希望为改进本文提供意见和建议, 请在这里指出 .

在您开始之前,请参阅 目前待解决的问题清单 .

简介

本项目包括两类 Hadoop 流处理应用程序:映射器 mapper 和 总结器 reducer。这两类程序都是标准的控制台终端程序,即从标准输入读数据 readLine() 后推送到标准输出 print()

映射器的范例程序 mapper 是将来自标准输入的文本拆分为一个一个的英语单词,然后采用下列格式进行打印(假设输入内容是 Hello, world! hello! ):

hello 1
world 1
hello 1

而总结器 reducer 的目标是将这些输入进行统计,最后形成单词统计表:

hello 2
world 1

两个程序的结合使用即可提供单词统计的功能。

Hadoop 的 Map Reduce 正是为上述任务在大数据环境下而设计的,这里的大数据指的是单个文件输入达到 GB 甚至 TB。

映射器 mapper

import CoreFoundation

// 处理每一行文本
public func lineMain() -> Bool {

  // 从输入中读取一行;如果为nil则表示输入已经关闭了
  guard let line = readLine() else {
    return false
  }

  // 简单处理一下文字,取小写并过滤符号
  let filter = line.lowercased().characters.filter{ $0 >= "a" && $0 <= "z" || $0 == " " }

  // 然后再把单词输出,并增加一个“1”
  filter.split(separator: " ").forEach { raw in
    let word = String(raw)
    print("/(word)/t1")
  }
  return true
}

// 从输入流中读取所有文本行
while(lineMain()){}

总结器 reducer

import CoreFoundation

// 单词表
var dic: [String: Int] = [:]

// 行处理器
public func lineMain() -> Bool {

  // 从标准输入读取一行数据
  guard let line = readLine() else {
    return false
  }

  // 拆分成单词及其统计数量
  let e = line.characters.split(separator: "/t")
  if e.count < 2 {
    return true
  }//end if
  // 保存到单词表
  let key = String(e[0])
  let value = Int(String(e[1])) ?? 0
  let count = dic[key] ?? 0
  dic[key] = count + value
  return true
}


// 处理所有行
while(lineMain()){}

// 打印结果
dic.keys.sorted().forEach { key in
  let value = dic[key] ?? 0
  print("/(key)/t/(value)")
}

编译

由于采用标准流程序开发,因此编译这些应用不需要任何其他依存关系。您只需打开一个终端窗口并运行 swift build 命令即可:

$ cd mapper
$ swift build
$ cd ../reducer
$ swift build

测试

在部署到Hadoop 集群之前,您可以尝试在普通的命令行环境下进行测试(testdata.txt 文件是一个常规的文本文件,采用ASCII或UTF-8编码即可)。本工程目录下包括了可以用于测试的数据文件和脚本。

$ cat testdata.txt | ./mapper/.build/release/mapper | sort | ./reducer/.build/release/reducer

在 Hadoop 上运行程序

和上面的管道操作类似,试验成功后您可以尝试在一个真正的 Hadoop 集群上跑一下新编写的程序了:

$ mapred streaming -input /user/rockywei/input -output /user/rockywei/output -mapper /usr/local/bin/mapper -reducer /usr/local/bin/reducer

如果任务成功,您可以用下列命令在集群上查看输出:

$ hadoop fs -cat /user/rockywei/output/part-00000

详细说明

上述映射-总结程序的细节解释参考如下:

  • mapred streaming : 向 Hadoop 集群申请一个新的应用程序任务,采用流处理模式(即纯文本)。

  • -input /user/rockywei/input : 在HADOOP HDFS文件系统上的 输入文件夹。典型情况是您需要向Hadoop 管理员帮助您用 hadoop fs -mkdir 命令行建立文件,然后再通过命令将待处理数据上传到该文件夹: hadoop fs -put [cluster folder] /local/pathto/data.txt

  • -output /user/rockywei/output : 在HADOOP HDFS文件系统上的 输出文件夹。 特别注意 最后一个子目录/output不应该创建,也就是说,只要您有/user/rockywei就好,mapreduce 会自动创建这个输出文件夹。

  • -mapper /usr/local/bin/mapper : 我们刚编译好的映射器,您可以采用下列命令安装到服务器本地文件夹: swift build; sudo mv ./.build/release/mapper /usr/local/bin

  • -reducer /usr/local/bin/reducer : 我们刚编译好的总结器,您可以采用下列命令安装到服务器本地文件夹 swift build; sudo mv ./.build/release/reducer /usr/local/bin

下一步:Perfect Hadoop

Hadoop 是一个大数据生态系统 —— 包括 HDFS 高性能多冗余文件系统,Map-Reduce 文件处理程序和 YARN 集群资源管理系统 —— 构成了最基本的大数据系统。

如上所示,在 Hadoop 上编写流处理程序是一个很简单的工作,也不需要依赖于特定的软件体系。但是,除了编写流处理程序之外,您还可以使用 Perfect Hadoop 做更多更强大的事情——任务控制、大文件上下载、集群节点监控——现在所有这些工作都可以使用Swift 语言实现了!

更多信息

关于本项目更多内容,请参考 perfect.org .

长按二维码关注Perfect 官网

微信号:PerfectlySoft (公司名)

使用 Swift语言进行 Hadoop 数据流应用程序开发

如果需要帮助,请注册我们在Slack上的中文频道: http://perfect.ly/

原文  https://segmentfault.com/a/1190000008305792
正文到此结束
Loading...