由于网上搜索 PowerJob MapReduce 都是设计原理,demo也展示个空壳子,没有演示Map到Reduce结果怎么传递,对于没有MR开发经验的人来说并没有什么帮助,所以这里写了一个有完整计算意义的demo供参考。
代码功能:
实现一个sum累加。
任务输入参数:
batchSize=100&batchNum=10,
其中batchSize表示每个子任务大小,这里就是一个子任务负责100个数据累加。
batchNum表示批次大小,也就是本次分发为10个子任务来完成。
执行过程就是:Map过程是将本次任务划分为10个子任务,每个子任务分别完成1累加到100,101累加到201,...,以此类推。Reduce过程获取每个子任务的执行结果汇总累加,返回结果值。
源代码
package org.example.demo;
import com.google.common.base.Splitter;
import com.google.common.collect.Lists;
import org.apache.commons.lang3.math.NumberUtils;
import org.springframework.stereotype.Component;
import tech.powerjob.common.serialize.JsonUtils;
import tech.powerjob.worker.core.processor.ProcessResult;
import tech.powerjob.worker.core.processor.TaskContext;
import tech.powerjob.worker.core.processor.TaskResult;
import tech.powerjob.worker.core.processor.sdk.MapReduceProcessor;
import tech.powerjob.worker.log.OmsLogger;
import java.io.Serializable;
import java.util.List;
import java.util.Map;
/**
* 控制台参数 batchSize=100&batchNum=10
* @author zhengqian
* @date 2022.05.30
*/
@Component
public class MRSumProcessor implements MapReduceProcessor {
@Override
public ProcessResult process(TaskContext context) throws Exception {
OmsLogger omsLogger = context.getOmsLogger();
System.out.println(\"============== TestMapReduceProcessor#process ==============\");
System.out.println(\"isRootTask:\" + isRootTask());
System.out.println(\"taskContext:\" + JsonUtils.toJSONString(context));
if (isRootTask()) {
System.out.println(\"==== MAP ====\");
omsLogger.info(\"[DemoMRProcessor] start root task~\");
// 根据控制台参数获取MR批次及子任务大小
Map<String, String> jobParams = Splitter.on(\"&\").withKeyValueSeparator(\"=\").split(context.getJobParams());
Integer batchSize = Integer.parseInt(jobParams.getOrDefault(\"batchSize\", \"100\"));
Integer batchNum = Integer.parseInt(jobParams.getOrDefault(\"batchNum\", \"10\"));
List<SubTaskParam> subTasks = Lists.newLinkedList();
for (int j = 0; j < batchNum; j++) {
subTasks.add(new SubTaskParam(j * batchSize + 1, (j + 1) * batchSize));
map(subTasks, \"INFO\");
subTasks.clear();
}
omsLogger.info(\"[DemoMRProcessor] map success~\");
return new ProcessResult(true, \"MAP_SUCCESS\");
} else if (context.getTaskName().equals(\"INFO\")) {
// 子任务执行
SubTaskParam subTaskParam = (SubTaskParam) context.getSubTask();
omsLogger.info(subTaskParam.toString());
long sum = 0L;
for (int x = subTaskParam.getStart(); x <= subTaskParam.getEnd(); x++) {
sum += x;
}
omsLogger.info(\"[DemoMRProcessor] start={}, end={}, sum={}\", subTaskParam.getStart(), subTaskParam.getEnd(), sum);
return new ProcessResult(true, String.valueOf(sum));
}
return new ProcessResult(false);
}
@Override
public ProcessResult reduce(TaskContext context, List<TaskResult> taskResults) {
log.info(\"================ MapReduceProcessorDemo#reduce ================\");
log.info(\"TaskContext: {}\", JsonUtils.toJSONString(context));
log.info(\"List<TaskResult>: {}\", JsonUtils.toJSONString(taskResults));
context.getOmsLogger().info(\"MapReduce job finished, result is {}.\", taskResults);
long sum = 0L;
for (TaskResult taskResult : taskResults) {
String result = taskResult.getResult();
if (NumberUtils.isDigits(result)) {
sum += Long.parseLong(result);
}
}
return new ProcessResult(true, sum + \": \" + sum);
}
private static class SubTaskParam implements Serializable {
private int start;
private int end;
public SubTaskParam() {}
public SubTaskParam(int start, int end) {
this.start = start;
this.end = end;
}
public int getStart() {
return start;
}
public void setStart(int start) {
this.start = start;
}
public int getEnd() {
return end;
}
public void setEnd(int end) {
this.end = end;
}
@Override
public String toString() {
return start + \":\" + end;
}
}
}
执行日志如图
执行结果如图
来源:https://www.cnblogs.com/ylty/p/16374927.html
本站部分图文来源于网络,如有侵权请联系删除。