Clojure+Leiningenで楽々Hadoop!

Views EN MD

Hadoopの簡単なサンプルをClojureで書いてみました。leiningenでビルドするとらくちんでした！

動作環境

  • clojure 1.1.0
  • hadoop-core 0.20.1
  • leiningen 1.0.1 (最新の1.1.0だとNG！)→インストール方法はこちら。

leiningen 1.1.0対応しました(2010/03/10)

サンプルコードはオライリーのHadoop本、例2-6。Java版はこちら。

project.clj

(defproject clj-max-temperature "0.1.0-SNAPSHOT" 
  :description "Sample of Hadoop on Clojure" 
  :dependencies [[org.clojure/clojure "1.1.0"]
                 [org.clojure/clojure-contrib "1.1.0"]
                 [org.apache.mahout.hadoop/hadoop-core "0.20.1"]
                 ;; ここから先は全部必要か分からない
                 [commons-cli/commons-cli "1.2"]
                 [commons-codec/commons-codec "1.3"]
                 [commons-el/commons-el "1.0"]
                 [commons-httpclient/commons-httpclient "3.0.1"]
                 [commons-logging/commons-logging "1.0.4"]
                 [commons-logging/commons-logging-api "1.0.4"]
                 [commons-net/commons-net "1.4.1"]]
  :dev-dependencies [[leiningen/lein-swank "1.1.0"]]
  :main clj_max_temperature)

clj_max_temperature.clj

(ns clj_max_temperature
  (:gen-class)
  (:import (org.apache.hadoop.fs Path)
           (org.apache.hadoop.io IntWritable LongWritable Text)
           (org.apache.hadoop.mapreduce Job Mapper Mapper$Context Reducer Reducer$Context)
           (org.apache.hadoop.mapreduce.lib.input FileInputFormat)
           (org.apache.hadoop.mapreduce.lib.output FileOutputFormat)))

(gen-class
:name clj_max_temperature.mapper
:extends org.apache.hadoop.mapreduce.Mapper
:prefix "mapper-")


(defn mapper-map [this key value #^Mapper$Context context]
(let [line (str value)
year (.substring line 15 19)
quality (.substring line 92 93)
air-temperature (Integer/valueOf
(.substring line
(if (= (.charAt line 87) +) 88 87)
92))]
(if (and (not (= air-temperature 9999))
(.matches quality "[01459]"))
(.write context (Text. year) (IntWritable. air-temperature)))))


(gen-class
:name clj_max_temperature.reducer
:extends org.apache.hadoop.mapreduce.Reducer
:prefix "reducer-")


(defn reducer-reduce [this key #^Iterable values #^Reducer$Context context]

(.write context key (IntWritable. (reduce max (map #(.get %) values)))))


(defn -main [& args]
(when (not (= (count args) 2))
(.println System/err "args error!")
(System/exit -1))
(let [job (Job.)]
(FileInputFormat/addInputPath job (Path. (nth args 0)))

(FileOutputFormat/setOutputPath job (Path. (nth args 1)))
(doto job

;; リテラルで現在のクラスの取り方が分からない。。。
(.setJarByClass (Class/forName "clj_max_temperature"))
(.setMapperClass (Class/forName "clj_max_temperature.mapper"))
(.setReducerClass (Class/forName "clj_max_temperature.reducer"))
(.setOutputKeyClass Text)
(.setOutputValueClass IntWritable))
(System/exit (if (.waitForCompletion job true) 0 1))))

Reducerの中でmap/reduce使ってるのがいけてるでしょ！

サンプルコードDL

プロジェクトはこちら

$ git clone git://github.com/making/clj-max-temperature.git
$ cd clj-max-temperature

コンパイル＆実行

$ lein compile # uberjarだけでcompileも行われるが、コンパイルエラーが発生してもjar作成に進むので開発時は別に実行した方が良い
$ lein uberjar
$ hadoop jar clj-max-temperature-standalone.jar input/sample.txt output

でおｋ。(スタンドアローンモードでのみ確認)

スタンドアローンなら、Hadoopをインストールしなくても 

$ java -Xmx1000m -jar clj-max-temperature-standalone.jar input/sample.txt output

だけでもおｋ。簡単な動作確認に良さそう。

もっとMapReduceを使いやすくなるマクロをつくりたいね。
こんなのももうあるけど。