Hadoop入门程序WordCount的执行过程
首先编写WordCount.java源文件，分别通过map和reduce方法统计文本中每个单词出现的次数，然后按照字母的顺序排列输出，
Map过程首先是多个map并行提取多个句子里面的单词然后分别列出来每个单词，出现次数为1，全部列举出来
Reduce过程首先将相同key的数据进行查找分组然后合并，比如对于key为Hello的数据分组为：<Hello, 1>、<Hello,1>、<Hello,1>，合并之后就是<Hello,1+1+1>，分组也可以理解为reduce的操作，合并减少数据时reduce的主要任务，叠加运算之后就是<Hello, 3>所以最后可以输出Hello 3，这样就完成了一轮MapReduce处理
WordCount.java代码如下：
1 import java.io.IOException; 2 import java.util.Iterator; 3 import java.util.StringTokenizer; 4 5 import org.apache.hadoop.fs.Path; 6 import org.apache.hadoop.io.IntWritable; 7 import org.apache.hadoop.io.LongWritable; 8 import org.apache.hadoop.io.Text; 9 import org.apache.hadoop.mapred.FileInputFormat; 10 import org.apache.hadoop.mapred.FileOutputFormat; 11 import org.apache.hadoop.mapred.JobClient; 12 import org.apache.hadoop.mapred.JobConf; 13 import org.apache.hadoop.mapred.MapReduceBase; 14 import org.apache.hadoop.mapred.Mapper; 15 import org.apache.hadoop.mapred.OutputCollector; 16 import org.apache.hadoop.mapred.Reducer; 17 import org.apache.hadoop.mapred.Reporter; 18 import org.apache.hadoop.mapred.TextInputFormat; 19 import org.apache.hadoop.mapred.TextOutputFormat; 20 21 public class WordCount { 22 23 public static class Map extends MapReduceBase implements 24 Mapper<LongWritable, Text, Text, IntWritable> { 25 private final static IntWritable one = new IntWritable(1); 26 private Text word = new Text(); 27 28 public void map(LongWritable key, Text value, 29 OutputCollector<Text, IntWritable> output, Reporter reporter) 30 throws IOException { 31 String line = value.toString(); 32 StringTokenizer tokenizer = new StringTokenizer(line); 33 while (tokenizer.hasMoreTokens()) { 34 word.set(tokenizer.nextToken()); 35 output.collect(word, one); 36 } 37 } 38 } 39 40 public static class Reduce extends MapReduceBase implements 41 Reducer<Text, IntWritable, Text, IntWritable> { 42 public void reduce(Text key, Iterator<IntWritable> values, 43 OutputCollector<Text, IntWritable> output, Reporter reporter) 44 throws IOException { 45 int sum = 0; 46 while (values.hasNext()) { 47 sum += values.next().get(); 48 } 49 output.collect(key, new IntWritable(sum)); 50 } 51 } 52 53 public static void main(String[] args) throws Exception { 54 JobConf conf = new JobConf(WordCount.class); 55 conf.setJobName("wordcount"); 56 57 conf.setOutputKeyClass(Text.class); 58 conf.setOutputValueClass(IntWritable.class); 59 60 conf.setMapperClass(Map.class); 61 conf.setCombinerClass(Reduce.class); 62 conf.setReducerClass(Reduce.class); 63 64 conf.setInputFormat(TextInputFormat.class); 65 conf.setOutputFormat(TextOutputFormat.class); 66 67 FileInputFormat.setInputPaths(conf, new Path(args[0])); 68 FileOutputFormat.setOutputPath(conf, new Path(args[1])); 69 70 JobClient.runJob(conf); 71 } 72 }
将此java文件上传到服务器后，首先要进行编译，如果是eclipse会自动完成，如果没有配置开发环境需要手动对源文件进行编译，命令如下：
javac -classpath /hadoop/hadoop-1.2.1/hadoop-core-1.2.1.jar:/hadoop/hadoop-1.2.1/lib/commons-cli-1.2.jar WordCount.java
编译的时候需要制定上面两个jar包，编译完成之后除了生成WordCount.class字节码之外还有WordCount$Map.class和WordCount$Reduce.class，我们知道这两个文件是内部类Map和Reduce生成的
然后开始对class文件打包生成wordcount.jar
jar -cvf wordcount.jar *.class
现在就打包生成了wordcount.jar文件
接下来可以通过传给main方法参数执行参数是两个字符串，分别为args[0]和args[1]，可以把它放到文件中进行输入，那么可以在hdfs文件系统中建立两个文件file01和file02并写入内容，依次执行命令：
$ echo "Hello World Hello Java" > file01 $ echo "Hello World Hello Hadoop" > file02 $ hadoop fs -mkdir input $ hadoop fs -put file0* input/
现在hdfs文件系统中/user/用户名/input下就有两个文件file01和file02，同样我们可以用命令查看文件的存在性和内容
接下来就可以提交任务用hadoop来运行jar包中的函数进行数据处理了
hadoop jar wordcount.jar WordCount input output
WordCount代码jar包里的主类，input是传入的文件作为参数，output参数就是hadoop作业完毕之后结果存放目录，开始执行会看到map和reduce的处理进度
处理完毕后，通过hadoop fs -ls output/ 查看生成的结果文件是否存在
通过结果可以看到任务执行正常并输出了结果文件，可以用hadoop fs -get output localdata将文件传到本地查看，也可以执行下面命令查看文件的内容
hadoop fs -cat output/part-00000
可以看到结果按顺序统计出来了，到这里一个简单的WordCount程序就手动开发成功了
