golang如何實(shí)現(xiàn)mapreduce單進(jìn)程版本詳解
前言
MapReduce作為hadoop的編程框架,是工程師最常接觸的部分,也是除去了網(wǎng)絡(luò)環(huán)境和集群配 置之外對(duì)整個(gè)Job執(zhí)行效率影響很大的部分,所以很有必要深入了解整個(gè)過程。元旦放假的第一天,在家沒事干,用golang實(shí)現(xiàn)了一下mapreduce的單進(jìn)程版本,github地址。處理對(duì)大文件統(tǒng)計(jì)最高頻的10個(gè)單詞,因?yàn)楣δ鼙容^簡(jiǎn)單,所以設(shè)計(jì)沒有解耦合。
本文先對(duì)mapreduce大體概念進(jìn)行介紹,然后結(jié)合代碼介紹一下,如果接下來幾天有空,我會(huì)實(shí)現(xiàn)一下分布式高可用的mapreduce版本。下面話不多說了,來一起看看詳細(xì)的介紹吧。
1. Mapreduce大體架構(gòu)
上圖是論文中mapreduce的大體架構(gòu)??偟膩碚fMapreduce的思想就是分治思想:對(duì)數(shù)據(jù)進(jìn)行分片,然后用mapper進(jìn)行處理,以key-value形式輸出中間文件;然后用reducer進(jìn)行對(duì)mapper輸出的中間文件進(jìn)行合并:將key一致的合到一塊,并輸出結(jié)果文件;如果有需要,采用Combiner進(jìn)行最后的合并。
歸納來說主要分為5部分:用戶程序、Master、Mapper、Reducer、Combiner(上圖未給出)。
- 用戶程序。用戶程序主要對(duì)輸入數(shù)據(jù)進(jìn)行分割,制定Mapper、Reducer、Combiner的代碼。
- Master:中控系統(tǒng)??刂品职l(fā)Mapper、Reduer的個(gè)數(shù),比如生成m個(gè)進(jìn)程處理Mapper,n個(gè)進(jìn)程處理Reducer。其實(shí)對(duì)Master來說,Mapper和Reduer都屬于worker,只不過跑的程序不一樣,Mapper跑用戶輸入的map代碼,Reduer跑用戶輸入的reduce代碼。Master還作為管道負(fù)責(zé)中間路徑傳遞,比如將Mapper生成的中間文件傳遞給Reduer,將Reduer生成的結(jié)果文件返回,或者傳遞給Combiner(如果有需要的話)。由于Master是單點(diǎn),性能瓶頸,所以可以做集群:主備模式或者分布式模式??梢杂脄ookeeper進(jìn)行選主,用一些消息中間件進(jìn)行數(shù)據(jù)同步。Master還可以進(jìn)行一些策略處理:比如某個(gè)Worker執(zhí)行時(shí)間特別長(zhǎng),很有可能卡住了,對(duì)分配給該Worker的數(shù)據(jù)重新分配給別的Worker執(zhí)行,當(dāng)然需要對(duì)多份數(shù)據(jù)返回去重處理。
- Mapper:負(fù)責(zé)將輸入數(shù)據(jù)切成key-value格式。Mapper處理完后,將中間文件的路徑告知Master,Master獲悉后傳遞給Reduer進(jìn)行后續(xù)處理。如果Mapper未處理完,或者已經(jīng)處理完但是Reduer未讀完其中間輸出文件,分配給該Mapper的輸入將重新被別的Mapper執(zhí)行。
- Reducer: 接受Master發(fā)送的Mapper輸出文件的消息,RPC讀取文件并處理,并輸出結(jié)果文件。n個(gè)Reduer將產(chǎn)生n個(gè)輸出文件。
- Combiner: 做最后的歸并處理,通常不需要。
總的來說,架構(gòu)不復(fù)雜。組件間通信用啥都可以,比如RPC、HTTP或者私有協(xié)議等。
2. 實(shí)現(xiàn)代碼介紹
該版本代碼實(shí)現(xiàn)了單機(jī)單進(jìn)程版本,Mapper、Reducer和Combiner的實(shí)現(xiàn)用協(xié)程goroutine實(shí)現(xiàn),通信采用channel。代碼寫的比較隨意,沒有解耦合。
- 功能:統(tǒng)計(jì)給定文件中出現(xiàn)的最高頻的10個(gè)單詞
- 輸入:大文件
- 輸出:最高頻的10個(gè)單詞
- 實(shí)現(xiàn):5個(gè)Mapper協(xié)程、2個(gè)Reducer、1個(gè)Combiner。
為了方便起見,Combiner對(duì)最高頻的10個(gè)單詞進(jìn)行堆排序處理,按規(guī)范來說應(yīng)該放在用戶程序處理。
文件目錄如下,其中bin文件夾下的big_input_file.txt為輸入文件,可以調(diào)用generate下的main文件生成,caller文件為入口的用戶程序,master目錄下分別存放master、mapper、reducer、combiner代碼:
. ├── README.md ├── bin │ └── file-store │ └── big_input_file.txt └── src ├── caller │ └── main.go ├── generate │ └── main.go └── master ├── combiner.go ├── mapper.go ├── master.go └── reducer.go 6 directories, 8 files
2.1 caller
用戶程序,讀入文件并按固定行數(shù)進(jìn)行劃分;然后調(diào)用master.Handle進(jìn)行處理。
package main import ( "os" "path" "path/filepath" "bufio" "strconv" "master" "github.com/vinllen/go-logger/logger" ) const ( LIMIT int = 10000 // the limit line of every file ) func main() { curDir, err := filepath.Abs(filepath.Dir(os.Args[0])) if err != nil { logger.Error("Read path error: ", err.Error()) return } fileDir := path.Join(curDir, "file-store") _ = os.Mkdir(fileDir, os.ModePerm) // 1. read file filename := "big_input_file.txt" inputFile, err := os.Open(path.Join(fileDir, filename)) if err != nil { logger.Error("Read inputFile error: ", err.Error()) return } defer inputFile.Close() // 2. split inputFile into several pieces that every piece hold 100,000 lines filePieceArr := []string{} scanner := bufio.NewScanner(inputFile) piece := 1 Outter: for { outputFilename := "input_piece_" + strconv.Itoa(piece) outputFilePos := path.Join(fileDir, outputFilename) filePieceArr = append(filePieceArr, outputFilePos) outputFile, err := os.Create(outputFilePos) if err != nil { logger.Error("Split inputFile error: ", err.Error()) continue } defer outputFile.Close() for cnt := 0; cnt < LIMIT; cnt++ { if !scanner.Scan() { break Outter } _, err := outputFile.WriteString(scanner.Text() + "\n") if err != nil { logger.Error("Split inputFile writting error: ", err.Error()) return } } piece++ } // 3. pass to master res := master.Handle(filePieceArr, fileDir) logger.Warn(res) }
2.2 master
Master程序,依次生成Combiner、Reducer、Mapper,處理消息中轉(zhuǎn),輸出最后結(jié)果。
package master import ( "github.com/vinllen/go-logger/logger" ) var ( MapChanIn chan MapInput // channel produced by master while consumed by mapper MapChanOut chan string // channel produced by mapper while consumed by master ReduceChanIn chan string // channel produced by master while consumed by reducer ReduceChanOut chan string // channel produced by reducer while consumed by master CombineChanIn chan string // channel produced by master while consumed by combiner CombineChanOut chan []Item // channel produced by combiner while consumed by master ) func Handle(inputArr []string, fileDir string) []Item { logger.Info("handle called") const( mapperNumber int = 5 reducerNumber int = 2 ) MapChanIn = make(chan MapInput) MapChanOut = make(chan string) ReduceChanIn = make(chan string) ReduceChanOut = make(chan string) CombineChanIn = make(chan string) CombineChanOut = make(chan []Item) reduceJobNum := len(inputArr) combineJobNum := reducerNumber // start combiner go combiner() // start reducer for i := 1; i <= reducerNumber; i++ { go reducer(i, fileDir) } // start mapper for i := 1; i <= mapperNumber; i++ { go mapper(i, fileDir) } go func() { for i, v := range(inputArr) { MapChanIn <- MapInput{ Filename: v, Nr: i + 1, } // pass job to mapper } close(MapChanIn) // close map input channel when no more job }() var res []Item outter: for { select { case v := <- MapChanOut: go func() { ReduceChanIn <- v reduceJobNum-- if reduceJobNum <= 0 { close(ReduceChanIn) } }() case v := <- ReduceChanOut: go func() { CombineChanIn <- v combineJobNum-- if combineJobNum <= 0 { close(CombineChanIn) } }() case v := <- CombineChanOut: res = v break outter } } close(MapChanOut) close(ReduceChanOut) close(CombineChanOut) return res }
2.3 mapper
Mapper程序,讀入并按key-value格式生成中間文件,告知Master。
package master import ( "fmt" "path" "os" "bufio" "strconv" "github.com/vinllen/go-logger/logger" ) type MapInput struct { Filename string Nr int } func mapper(nr int, fileDir string) { for { val, ok := <- MapChanIn // val: filename if !ok { // channel close break } inputFilename := val.Filename nr := val.Nr file, err := os.Open(inputFilename) if err != nil { errMsg := fmt.Sprintf("Read file(%s) error in mapper(%d)", inputFilename, nr) logger.Error(errMsg) MapChanOut <- "" continue } mp := make(map[string]int) scanner := bufio.NewScanner(file) scanner.Split(bufio.ScanWords) for scanner.Scan() { str := scanner.Text() //logger.Info(str) mp[str]++ } outputFilename := path.Join(fileDir, "mapper-output-" + strconv.Itoa(nr)) outputFileHandler, err := os.Create(outputFilename) if err != nil { errMsg := fmt.Sprintf("Write file(%s) error in mapper(%d)", outputFilename, nr) logger.Error(errMsg) } else { for k, v := range mp { str := fmt.Sprintf("%s %d\n", k, v) outputFileHandler.WriteString(str) } outputFileHandler.Close() } MapChanOut <- outputFilename } }
2.4 reducer
Reducer程序,讀入Master傳遞過來的中間文件并歸并。
package master import ( "fmt" "bufio" "os" "strconv" "path" "strings" "github.com/vinllen/go-logger/logger" ) func reducer(nr int, fileDir string) { mp := make(map[string]int) // store the frequence of words // read file and do reduce for { val, ok := <- ReduceChanIn if !ok { break } logger.Debug("reducer called: ", nr) file, err := os.Open(val) if err != nil { errMsg := fmt.Sprintf("Read file(%s) error in reducer", val) logger.Error(errMsg) continue } scanner := bufio.NewScanner(file) for scanner.Scan() { str := scanner.Text() arr := strings.Split(str, " ") if len(arr) != 2 { errMsg := fmt.Sprintf("Read file(%s) error that len of line(%s) != 2(%d) in reducer", val, str, len(arr)) logger.Warn(errMsg) continue } v, err := strconv.Atoi(arr[1]) if err != nil { errMsg := fmt.Sprintf("Read file(%s) error that line(%s) parse error in reduer", val, str) logger.Warn(errMsg) continue } mp[arr[0]] += v } if err := scanner.Err(); err != nil { logger.Error("reducer: reading standard input:", err) } file.Close() } outputFilename := path.Join(fileDir, "reduce-output-" + strconv.Itoa(nr)) outputFileHandler, err := os.Create(outputFilename) if err != nil { errMsg := fmt.Sprintf("Write file(%s) error in reducer(%d)", outputFilename, nr) logger.Error(errMsg) } else { for k, v := range mp { str := fmt.Sprintf("%s %d\n", k, v) outputFileHandler.WriteString(str) } outputFileHandler.Close() } ReduceChanOut <- outputFilename }
2.5 combiner
Combiner程序,讀入Master傳遞過來的Reducer結(jié)果文件并歸并成一個(gè),然后堆排序輸出最高頻的10個(gè)詞語。
package master import ( "fmt" "strings" "bufio" "os" "container/heap" "strconv" "github.com/vinllen/go-logger/logger" ) type Item struct { key string val int } type PriorityQueue []*Item func (pq PriorityQueue) Len() int { return len(pq) } func (pq PriorityQueue) Less(i, j int) bool { return pq[i].val > pq[j].val } func (pq PriorityQueue) Swap(i, j int) { pq[i], pq[j] = pq[j], pq[i] } func (pq *PriorityQueue) Push(x interface{}) { item := x.(*Item) *pq = append(*pq, item) } func (pq *PriorityQueue) Pop() interface{} { old := *pq n := len(old) item := old[n - 1] *pq = old[0 : n - 1] return item } func combiner() { mp := make(map[string]int) // store the frequence of words // read file and do combine for { val, ok := <- CombineChanIn if !ok { break } logger.Debug("combiner called") file, err := os.Open(val) if err != nil { errMsg := fmt.Sprintf("Read file(%s) error in combiner", val) logger.Error(errMsg) continue } scanner := bufio.NewScanner(file) for scanner.Scan() { str := scanner.Text() arr := strings.Split(str, " ") if len(arr) != 2 { errMsg := fmt.Sprintf("Read file(%s) error that len of line != 2(%s) in combiner", val, str) logger.Warn(errMsg) continue } v, err := strconv.Atoi(arr[1]) if err != nil { errMsg := fmt.Sprintf("Read file(%s) error that line(%s) parse error in combiner", val, str) logger.Warn(errMsg) continue } mp[arr[0]] += v } file.Close() } // heap sort // pq := make(PriorityQueue, len(mp)) pq := make(PriorityQueue, 0) heap.Init(&pq) for k, v := range mp { node := &Item { key: k, val: v, } // logger.Debug(k, v) heap.Push(&pq, node) } res := []Item{} for i := 0; i < 10 && pq.Len() > 0; i++ { node := heap.Pop(&pq).(*Item) res = append(res, *node) } CombineChanOut <- res }
3. 總結(jié)
不足以及未實(shí)現(xiàn)之處:
- 各模塊間耦合性高
- master單點(diǎn)故障未擴(kuò)展
- 未采用多進(jìn)程實(shí)現(xiàn),進(jìn)程間采用RPC通信
- 未實(shí)現(xiàn)單個(gè)Workder時(shí)間過長(zhǎng),另起Worker執(zhí)行任務(wù)的代碼。
接下來要是有空,我會(huì)實(shí)現(xiàn)分布式高可用的代碼,模塊間采用RPC通訊。
好了,以上就是這篇文章的全部?jī)?nèi)容了,希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,如果有疑問大家可以留言交流,謝謝大家對(duì)腳本之家的支持。
- Go語言實(shí)現(xiàn)MapReduce的示例代碼
- 使用golang實(shí)現(xiàn)一個(gè)MapReduce的示例代碼
- golang并發(fā)工具M(jìn)apReduce降低服務(wù)響應(yīng)時(shí)間
- Golang編程并發(fā)工具庫MapReduce使用實(shí)踐
- MongoDB中MapReduce的使用方法詳解
- Mongodb中MapReduce實(shí)現(xiàn)數(shù)據(jù)聚合方法詳解
- MongoDB學(xué)習(xí)筆記之MapReduce使用示例
- MongoDB中的MapReduce簡(jiǎn)介
- MongoDB中MapReduce編程模型使用實(shí)例
- Go通用的?MapReduce?工具函數(shù)詳解
相關(guān)文章
Go語言kylin任務(wù)自動(dòng)化實(shí)例詳解
這篇文章主要為大家介紹了Go語言kylin任務(wù)自動(dòng)化實(shí)例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2022-06-06Go簡(jiǎn)單實(shí)現(xiàn)協(xié)程方法
本文主要介紹了Go簡(jiǎn)單實(shí)現(xiàn)協(xié)程的實(shí)現(xiàn)示例,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2022-12-12淺談Go切片的值修改是否會(huì)覆蓋數(shù)組的值?
本文主要介紹了淺談Go切片的值修改是否會(huì)覆蓋數(shù)組的值,文中通過示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下?2022-02-0210個(gè)現(xiàn)代網(wǎng)站開發(fā)必備的Go軟件包工具盤點(diǎn)
這篇文章主要為大家介紹了10個(gè)現(xiàn)代網(wǎng)站開發(fā)必備的Go軟件包,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2023-10-10go編程中g(shù)o-sql-driver的離奇bug解決記錄分析
這篇文章主要為大家介紹了go編程中g(shù)o-sql-driver的離奇bug解決記錄分析,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2023-05-05xorm根據(jù)數(shù)據(jù)庫生成go model文件的操作
這篇文章主要介紹了xorm根據(jù)數(shù)據(jù)庫生成go model文件的操作,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-12-12Go語言開發(fā)框架反射機(jī)制及常見函數(shù)示例詳解
這篇文章主要為大家介紹了Go語言開發(fā)框架反射機(jī)制及常見函數(shù)示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2022-09-09