本篇文章为你整理了PoweJob高级特性()的详细内容,包含有 PoweJob高级特性,希望能帮助你了解 PoweJob高级特性。
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。
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;
以上就是PoweJob高级特性()的详细内容,想要了解更多 PoweJob高级特性的内容,请持续关注盛行IT软件开发工作室。
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。