? 优质资源分享 ?

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 jobParams = Splitter.on("&").withKeyValueSeparator("=").split(context.getJobParams());
 Integer batchSize = Integer.parseInt(jobParams.getOrDefault("batchSize", "100"));
 Integer batchNum = Integer.parseInt(jobParams.getOrDefault("batchNum", "10"));

 List 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 taskResults) {
 log.info("================ MapReduceProcessorDemo#reduce ================");
 log.info("TaskContext: {}", JsonUtils.toJSONString(context));
 log.info("List: {}", 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;
 }
 }

}

折叠 

执行日志如图

执行结果如图

转载请注明：xuhss » PoweJob高级特性-MapReduce完整示例