パイプラインの例 - MaxCompute - Alibaba Cloud ドキュメントセンター

このトピックでは、パイプラインを通じて効率的なデータ処理と分析を実現する方法を理解するのに役立つ、MapReduce のパイプラインの例を紹介します。

前提条件

テスト用の環境構成を完了します。詳細については、「はじめに」をご参照ください。

準備

テストプログラムの JAR パッケージを準備します。この例では、JAR パッケージの名前は mapreduce-examples.jar で、MaxCompute のローカルインストールパスの bin\data\resources ディレクトリに保存されています。

テストテーブルとリソースを準備します。

テーブルを作成します。

CREATE TABLE wc_in (key STRING, value STRING);
CREATE TABLE wc_out(key STRING, cnt BIGINT);

リソースを追加します。

-- JAR パッケージを初めて追加するときは、-f フラグを無視できます。
add jar data\resources\mapreduce-examples.jar -f;

トンネルコマンドを使用して、MaxCompute クライアントの bin ディレクトリから data.txt ファイルを wc_in テーブルにインポートします。
```
tunnel upload data.txt wc_in;
```
data.txt ファイルの次のコンテンツが wc_in テーブルにインポートされます。
```
hello,odps
```

手順

MaxCompute クライアントで WordCount パイプラインを実行します。

jar -resources mapreduce-examples.jar -classpath data\resources\mapreduce-examples.jar
com.aliyun.odps.mapred.open.example.WordCountPipeline wc_in wc_out;

期待される結果

ジョブが成功すると、次の結果が返されます。

+------------+------------+
| key        | cnt        |
+------------+------------+
| hello      | 1          |
| odps       | 1          |
+------------+------------+

サンプルコード

プロジェクトオブジェクトモデル (POM) の依存関係については、「注意事項」をご参照ください。

以下は、MapReduce とパイプラインを使用して単語の頻度統計を実行する方法を示す Java コードの例です。

package com.aliyun.odps.mapred.open.example;
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.Job;
import com.aliyun.odps.mapred.MapperBase;
import com.aliyun.odps.mapred.ReducerBase;
import com.aliyun.odps.pipeline.Pipeline;
public class WordCountPipelineTest {
    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 SumReducer extends ReducerBase {
        private Record value;
        @Override
            public void setup(TaskContext context) throws IOException {
            value = context.createOutputValueRecord();
        }
        @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);
            }
            value.set(0, count);
            context.write(key, value);
        }
    }
    public static class IdentityReducer 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 {
            while (values.hasNext()) {
                result.set(0, key.get(0));
                result.set(1, values.next().get(0));
                context.write(result);
            }
        }
    }
    public static void main(String[] args) throws OdpsException {
        if (args.length != 2) {
            System.err.println("Usage: WordCountPipeline <in_table> <out_table>");
            System.exit(2);
        }
        Job job = new Job();
        /** パイプライン構築中に、マッパーの OutputKeySortColumns、PartitionColumns、および OutputGroupingColumns を指定しない場合、フレームワークはマッパーの OutputKey をこれらのパラメーターのデフォルト値として使用します。
         */
        Pipeline pipeline = Pipeline.builder()
            .addMapper(TokenizerMapper.class)
            .setOutputKeySchema(
            new Column[] { new Column("word", OdpsType.STRING) })
            .setOutputValueSchema(
            new Column[] { new Column("count", OdpsType.BIGINT) })
            .setOutputKeySortColumns(new String[] { "word" })
            .setPartitionColumns(new String[] { "word" })
            .setOutputGroupingColumns(new String[] { "word" })
            .addReducer(SumReducer.class)
            .setOutputKeySchema(
            new Column[] { new Column("word", OdpsType.STRING) })
            .setOutputValueSchema(
            new Column[] { new Column("count", OdpsType.BIGINT)})
            .addReducer(IdentityReducer.class).createPipeline();
        /** jobconf にパイプラインを追加します。コンバイナーを構成する場合は、jobconf を使用します。 */
        job.setPipeline(pipeline);
        /** 入力テーブルと出力テーブルを構成します。 */
        job.addInput(TableInfo.builder().tableName(args[0]).build());
        job.addOutput(TableInfo.builder().tableName(args[1]).build());
        /** ジョブを送信し、ジョブが完了するまで待機します。 */
        job.submit();
        job.waitForCompletion();
        System.exit(job.isSuccessful() == true ? 0 : 1);
    }
}

前提条件

準備

手順

期待される結果

サンプル コード

サンプルコード