怎么在Redis上对Java执行分布式MapReduce
这篇文章主要讲解了“怎么在redis上对Java执行分布式MapReduce”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“怎么在Redis上对Java执行分布式MapReduce”吧！
10年品牌的成都网站建设公司,成百上千企业网站设计经验.价格合理,可准确把握网页设计诉求.提供定制网站建设、商城网站开发、小程序定制开发、成都响应式网站建设公司等服务,我们设计的作品屡获殊荣,是您值得信赖的专业网络公司。
什么是MapReduce？
MapReduce 是一种可以用Java实现的分布式计算的程序模型。该算法包含两个关键任务，称为 Map 和 Reduce。
该Map 任务的目的 是将数据集转换为另一个数据集，其中元素被分解为称为元组的键/值对。该Reduce 任务将这些数据元组组合成一小组元组，使用地图的输出作为输入。
分布式计算意味着将任务分成几个单独的进程，然后可以在大型商用硬件集群上并行执行。一旦 MapReduce 将大数据集的各个元素分解为元组，然后进一步将它们缩小为较小的集合，剩余的数据可以并行处理，这可以显着加快需要对数据执行的处理。
何时需要使用MapReduce处理Redis数据？
在许多情况下，使用它MapReduce 来处理Redis数据很有帮助 。通常，它们的共同点是您需要处理的数据量非常大。
举一个简单的例子，您可以考虑一种情况，其中您有大量组织的月度能耗数据。现在假设您需要处理此数据以生成每个组织的最大使用年份，最小使用年份等结果。虽然编写算法来执行这种处理对于有经验的程序员来说并不困难，但是如果必须运行大量数据，许多这样的算法将花费很长时间来执行。
作为长处理时间问题的解决方案，您可以使用 MapReduce 减少数据集的总体大小，从而使处理速度更快。对于许多组织来说，处理时间的减少可能非常重要，因为它可以释放硬件，以便可以用于其他计算任务。
还有更多的情况MapReduce 使用Redisson存储在Redis中的分布式 数据可能是非常有用的。例如，MapReduce 如果您需要快速，可靠且准确地计算非常大的文件或文件集合的字数，则使用 特别有用。
在Redis中存储的数据上执行分布式MapReduce的示例
以下是如何使用MapReduce 创建生成准确字数的有效算法的示例 。这似乎是一个非常简单的任务，但使用 MapReduce 非常重要的是减少非常大的文本块或大量文件集的处理时间。
请查看以下代码，了解此算法如何使用 RedissonMapReduce 提供的文本数据并对其进行处理以可靠地生成准确的字数。
步骤1
创建Redisson配置：
//来自JSON
配置 config = 配置。fromJSON（...）
//来自YAML
配置 config = 配置。来自YAML（...）
//或动态
Config config = new Config（）;
...
第2步
创建Redisson实例：
RedissonClient redisson = Redisson。create（config）;
第3步
定义 Mapper 对象。这适用于每个 Map 条目，并按空格分割值以分隔单词：
公共 类 WordMapper 实现 RMapper < String，String，String，Integer > {@覆盖
public void map（String key，String value，RCollector < String，Integer > collector）{String [] words = value。split（“[^ a-zA-Z]”）;
for（String word：words）{收藏家。发射（字，1）;
}
}
}
}
第4步
定义Reducer 对象。这计算每个单词的总和。
公共 类 WordReducer 实现 RReducer < String，Integer > {@覆盖
public Integer reduce（String reducedKey，Iterator < Integer > iter）{int sum = 0 ;
而（ITER。hasNext（））{整数 i =（整数）iter。next（）;
sum + = i ;
}
返还 金额 ;
}
}
第5步
定义 Collator 对象（可选）。这会计算单词总数。
公共 类 WordCollator 实现 RCollator < String，Integer，Integer > {@覆盖
public Integer collate（Map < String，Integer > resultMap）{int result = 0 ;
为（整数 计数：结果映射。值（））{结果 + = 计数 ;
}
返回 结果 ;
}
}
第6步
以下是如何一起运行它：
RMap < String，String > map = redisson。getMap（“wordsMap”）;
地图。put（“line1”，“爱丽丝开始变得非常疲惫”）;
地图。把（“line2”，“坐在她姐姐的银行和”）;
地图。放（“line3”，“她无事可做一次”）;
地图。put（“line4”，“偷看了她姐姐读的书”）;
地图。put（“line5”，“但它没有图片或对话”）;
地图。put（“line6”，“以及书籍的用途”）;
地图。put（“line7”，“思想爱丽丝没有图片或谈话”）;
RMapReduce < String，String，String，Integer > mapReduce
= 地图。< String，Integer > mapReduce（）
。mapper（新的 WordMapper（））
。reducer（new WordReducer（））;
//计算单词的出现次数
Map < String，Integer > mapToNumber = mapReduce。execute（）;
//计算总字数量
整数 totalWordsAmount = mapReduce。execute（new WordCollator（））;
MapReduce 也可用于收集类型的对象，其中包括 Set， SetCache， List， SortedSet， ScoredSortedSet， Queue， BlockingQueue， Deque,， BlockingDeque， PriorityQueue，和 PriorityDeque。
如何使用Redisson对Redis中存储的数据执行MapReduce
Redisson是一个最先进的Redis客户端，为使用Java进行编程和数据处理提供了无限可能。从最大的企业到最小的初创公司，各种各样的公司使用Redisson通过Redis为他们的Java应用程序提供支持。
作为一个高度复杂的Redis客户端，Redisson提供了服务，对象，集合，锁和同步器的分布式实现。它支持一系列Redis配置，包括单个，集群，标记或主从配置。
MapReduce 如果您已经使用Redisson在Redis中存储大量数据，则使用 是一个很好的选择。Redisson提供了一种基于Java的 MapReduce 编程模型，可以轻松处理存储在Redis中的大量数据。
感谢各位的阅读，以上就是“怎么在Redis上对Java执行分布式MapReduce”的内容了，经过本文的学习后，相信大家对怎么在Redis上对Java执行分布式MapReduce这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！
当前名称：怎么在Redis上对Java执行分布式MapReduce
文章URL：http://6mz.cn/article/ijghhp.html