HADOOP-MR初步实现

一，功能

 　　概述：在简易的hadoop集群上，用MapReduce完成一个文件里面单词计数的统计工作。

二，代码实现

　　主要有三个类，导入依赖的jar包。

　　1.master

　　主要是各种配置，最后一定要提交job！

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import com.sand.mr.mapper.WordCountMapper;
import com.sand.mr.reducer.WordCountReducer;

public class WordCountMaster {

    public static void main(String[] args) throws Exception {
        // 初始化配置
        Configuration conf = new Configuration();
        // 初始化job参数，指定job名称
        Job job = Job.getInstance(conf, "wordCount");
        // 设置运行job的类
        job.setJarByClass(WordCountMaster.class);
        // 设置Mapper类
        job.setMapperClass(WordCountMapper.class);
        // 设置Reducer类
        job.setReducerClass(WordCountReducer.class);
        // 设置Map的输出数据类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);
        // 设置Reducer的输出数据类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        // 设置输入的路径 -> 可以指定为某一路径或具体的文件
        FileInputFormat.setInputPaths(job, new Path("hdfs://SZ01:8020/input/user1"));
        // 设置输出的路径 -> 最后一级路径自动生成，不会自动覆盖，需要手动修改
        FileOutputFormat.setOutputPath(job, new Path("hdfs://SZ01:8020/output/wordCount2"));
        // 提交job
        boolean result = job.waitForCompletion(true);
        // 执行成功后进行后续操作
        if (result) {
            System.out.println("Congratulations!");
        }
    }

}

　　

　　2.map　

　　对集合中每一个元素进行计算

• 注意传入4个参数的类型
• 偏移量默认读取的是一行
  但是将一行拆分后，偏移量会发生变化，但并不会重复读（也没理解透）
• 处理的原始数据，结果生产的是单个键值对（同键的不会合并）

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

// 处理源数据，KEYIN -> 数据的偏移量;VALUEIN -> 每一行的数据;KEYOUT -> 每个拆分得到的单词;VALUEOUT -> 单词出现次数：1
public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
    
    @Override
    protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, IntWritable>.Context context)
            throws IOException, InterruptedException {
                
        String line = value.toString();
        String[] words = line.split(" ");
        for (String word : words) {
            context.write(new Text(word), new IntWritable(1));
        }
    }

}

　　

　　3.reduce

　　对集合中的每一个元素进行迭代计算

• 接收到的是一个键对应一个值的集合
• 通过功能对值的集合进行运算，处理完的数据直接输出到指定文件。

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

// KEYIN/VALUEIN -> 对应Mapper的输出，处理的Mapper的结果;KEYOUT/VALUEOUT -> 期望的结果的数据类型
public class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {

    @Override
    protected void reduce(Text key, Iterable<IntWritable> value,
            Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException {
        int count = 0;
        for (IntWritable intWritable : value) {
            count += intWritable.get();
        }
        context.write(new Text(key), new IntWritable(count));
    }
    
}

　　4，依赖的jar包，

　　链接: https://pan.baidu.com/s/1w-5812zxkXyT4MnbkoRGhg 密码: 59t8