从java调用map reduce
为此，可以使用 org.apache.hadoop.mapreduce 命名空间（可以使用旧的 mapred 使用非常类似的方法，只需检查java应用程序中的api文档：

Job job = Job.getInstance(new Configuration());
// configure job: set input and output types and directories, etc.
job.setJarByClass(MapReduceCassandra.class);
job.submit();

将数据传递到mapreduce作业
如果行键集非常小，可以将其序列化为字符串，并将其作为配置参数传递：

job.getConfiguration().set("CassandraRows", getRowsKeysSerialized()); // TODO: implement serializer
//...
job.submit();

nside作业可以通过上下文对象访问参数：

public void map(
    IntWritable key,  // your key type
    Text value,       // your value type
    Context context
)
{
    // ...
    String rowsSerialized = context.getConfiguration().get("CassandraRows");
    String[] rows = deserializeRows(rowsSerialized);  // TODO: implement deserializer
    //...
}

但是，如果您的集合可能是无界的，那么将其作为参数传递将是一个坏主意。相反，您应该在文件中传递密钥，并利用分布式缓存。然后您可以在提交作业之前将此行添加到上面的部分：

job.addCacheFile(new Path(pathToCassandraKeySetFile).toUri());
//...
job.submit();

在作业内部，您可以通过上下文对象访问此文件：

public void map(
    IntWritable key,  // your key type
    Text value,       // your value type
    Context context
)
{
    // ...
    URI[] cacheFiles = context.getCacheFiles();
    // find, open and read your file here
    // ...
}

注意：所有这些都是针对新的api的( org.apache.hadoop.mapreduce ). 如果你用的是 org.apache.hadoop.mapred 这种方法非常相似，但是在不同的对象上调用了一些相关的方法。