使用MRUnit实现MapReduce程序的单元测试

问题导读：
1.怎样自动化的对MR程序进行测试？
2.MRUnit属于哪个公司产品？3.MRUnit是什么？
4.MRUnit能干什么？
5.MRUnit包含几种Driver？

Hadoop的MapReduce程序的测试，一直比较麻烦。因为不方便抽取出来，作为独立的Junit测试。所以很多时候，我们都是写一个Main函数，然后在里面手工调用Map或者Reduce，用System.out.println打印出结果，人眼测试，而且还要判断OutputCollector是否为空，不然直接Main调用还会抛NullPointerException。
这样最大的弊端，是无法实现自动化的断言判断，达到测试驱动和检查的目的。那么对程序的任何改动，都需要放到Hadoop集群上，跑个十几分钟才能肯定到底对不对。我们需要一个更快的方法，能够方便的自动化的对MR程序进行测试，从而达到测试驱动和敏捷开发的状态。

What’s MRUnit：
MRUnit是由Couldera公司开发的专门针对Hadoop中编写MapReduce单元测试的框架，基本原理是JUnit4和EasyMock。MR就是Map和Reduce的缩写。MRUnit框架非常精简，其核心的单元测试依赖于JUnit。而且MRUnit实现了一套Mock对象来控制OutputCollector的操作，从而可以拦截OutputCollector的输出，和我们的期望结果进行比较，达到自动断言的目的。

Why MRUnit：
有了MRUnit，对MR程序做重构的时候，只要明确输入和输出，就可以写出单元测试，并且在放到群集校验前进行试验，从而节省时间和资源，也能更快的定位到问题。
而进行重构的话，只要写得足够详细的单元测试都是绿色的话，那么基本就可以保证在群集运行的结果也是正常的。

How MRUnit:
MRUnit不在Apache标准的Hadoop的发行版中，而是在Couldera公司的增强版本中hadoop-0.20.1+133.tar.gz的contrib\mrunit\hadoop-0.20.1+169.56-mrunit.jar，已经贴在附件中。只要把它和Junit4的jar添加到Hadoop程序项目的classpath中，就可以使用MRUnit了。
MRUnit包含四种Driver：MapDriver，ReduceDriver，MapReduceDriver，PipelineMapReduceDriver。可以根据自己的需要选择合适的Driver。

MRUnit Example：
给出一个Reduce的很简单例子，Reduce的逻辑就是把Value中的各个值相加。

public class ExtractKeywordTest {
private Reducer<Text, Text, Text, Text> reducer;
private ReduceDriver<Text, Text, Text, Text> reduceDriver;
@Before
public void setUp() throws Exception {
reducer = new ExtractKeywordAcookie.Reduce();
reduceDriver = new ReduceDriver<Text, Text, Text, Text>(reducer);
}
@Test
public void testReduce() {
List<Text> values = new ArrayList<Text>();
values.add(new Text(1.0_0.1));
values.add(new Text(2.0_0.2));
values.add(new Text(3.0_0.3));
reduceDriver.withInput(new Text(20100106_00_IBM), values)
.withOutput(new Text(20100106_00_IBM_6.00_0.60_), null)
.runTest();
}
复制代码