对hadoop第一个小程序WordCount的简单解释.
package com.test; import java.io.IOException; import java.util.Iterator; import java.util.StringTokenizer; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapred.FileInputFormat; import org.apache.hadoop.mapred.FileOutputFormat; import org.apache.hadoop.mapred.JobClient; import org.apache.hadoop.mapred.JobConf; import org.apache.hadoop.mapred.MapReduceBase; import org.apache.hadoop.mapred.Mapper; import org.apache.hadoop.mapred.OutputCollector; import org.apache.hadoop.mapred.Reducer; import org.apache.hadoop.mapred.Reporter; import org.apache.hadoop.mapred.TextInputFormat; import org.apache.hadoop.mapred.TextOutputFormat; /** * * 描述:需要的jar包在你下载hadoop里都有 * 输入目录为:/home/dev/hadooptest/in * 输出目录为:/home/dev/hadooptest/in/out 注:out目录自动创建,如果存在请删除 * 文件个数2个,为:file1 file2 * file1文件内容:Hello World Bye World * file2文件内容:Hello Hadoop Goodbye Hadoop 对Map Reduce简单的分析一下: ***-----------------------------------------*** 对于文件file2 ***---Map统计第一次出现的每个单词---*** Map--->键(文本):->Hello 值(个数):->1 Map--->键(文本):->Hadoop 值(个数):->1 Map--->键(文本):->Goodbye 值(个数):->1 Map--->键(文本):->Hadoop 值(个数):->1 ***---Reduce 合并Map统计第一次出现的每个单词重复的次数 Reduce--->键(文本):->Goodbye 值(个数):->1 Reduce--->键(文本):->Hadoop 值(个数):->2 Reduce--->键(文本):->Hello 值(个数):->1 ***-----------------------------------------*** 对于文件file1 ***---Map统计第一次出现的每个单词---*** Map--->键(文本):->Hello 值(个数):->1 Map--->键(文本):->World 值(个数):->1 Map--->键(文本):->Bye 值(个数):->1 Map--->键(文本):->World 值(个数):->1 ***---Reduce 合并Map统计第一次出现的每个单词重复的次数---*** Reduce--->键(文本):->Bye 值(个数):->1 Reduce--->键(文本):->Hello 值(个数):->1 Reduce--->键(文本):->World 值(个数):->2 ***---最后 Reduce 合并最终的结果---*** Reduce--->键(文本):->Bye 值(个数):->1 Reduce--->键(文本):->Goodbye 值(个数):->1 Reduce--->键(文本):->Hadoop 值(个数):->2 Reduce--->键(文本):->Hello 值(个数):->2 Reduce--->键(文本):->World 值(个数):->2 */ public class WordCount { public static final String inputPath = "/home/dev/hadooptest/in"; public static final String outputPath = "/home/dev/hadooptest/in/out"; /** * MapReduceBase类:实现了Mapper和Reducer接口的基类(其中的方法只是实现接口,而未作任何事情) Mapper接口: * WritableComparable接口:实现WritableComparable的类可以相互比较。所有被用作key的类应该实现此接口。 * Reporter 则可用于报告整个应用的运行进度,本例中未使用。 * */ public static class Map extends MapReduceBase implements Mapper<LongWritable, Text, Text, IntWritable> { /** * LongWritable, IntWritable, Text 均是 Hadoop 中实现的用于封装 Java * 数据类型的类,这些类实现了WritableComparable接口, * 都能够被串行化从而便于在分布式环境中进行数据交换,你可以将它们分别视为long,int,String 的替代品。 */ private final static IntWritable one = new IntWritable(1); private Text word = new Text(); /** * Mapper接口中的map方法: void map(K1 key, V1 value, OutputCollector<K2,V2> * output, Reporter reporter) 映射一个单个的输入k/v对到一个中间的k/v对 * 输出对不需要和输入对是相同的类型,输入对可以映射到0个或多个输出对。 * OutputCollector接口:收集Mapper和Reducer输出的<k,v>键值对。 * OutputCollector接口的collect(k, v)方法:增加一个(k,v)键值对到output */ public void map(LongWritable key, Text value, OutputCollector<Text, IntWritable> output, Reporter reporter) throws IOException { String line = value.toString(); StringTokenizer tokenizer = new StringTokenizer(line); while (tokenizer.hasMoreTokens()) { // 设置分割的字符放到 word.set(tokenizer.nextToken()); /** * OutputCollector接口:收集Mapper和Reducer输出的<k,v>键值对。 * OutputCollector接口的collect(k, v)方法:增加一个(k,v)键值对到output */ System.out.println("Map--->键(文本):->"+String.valueOf(word)+" "+"值(个数):->"+one); output.collect(word, one); } } } public static class Reduce extends MapReduceBase implements Reducer<Text, IntWritable, Text, IntWritable> { public void reduce(Text key, Iterator<IntWritable> values, OutputCollector<Text, IntWritable> output, Reporter reporter) throws IOException { int sum = 0; while (values.hasNext()) { sum += values.next().get(); } System.out.println("Reduce--->键(文本):->"+String.valueOf(key)+" "+"值(个数):->"+sum); output.collect(key, new IntWritable(sum)); } } public static void main(String[] args) throws Exception { /** * JobConf:map/reduce的job配置类,向hadoop框架描述map-reduce执行的工作 * 构造方法:JobConf()、JobConf(Class exampleClass)、JobConf(Configuration * conf)等 */ JobConf conf = new JobConf(WordCount.class); conf.setJobName("wordcount"); // 设置一个用户定义的job名称 conf.setOutputKeyClass(Text.class); // 为job的输出数据设置Key类 conf.setOutputValueClass(IntWritable.class); // 为job输出设置value类 conf.setMapperClass(Map.class); // 为job设置Mapper类 conf.setCombinerClass(Reduce.class); // 为job设置Combiner类 conf.setReducerClass(Reduce.class); // 为job设置Reduce类 conf.setInputFormat(TextInputFormat.class); // 为map-reduce任务设置InputFormat实现类 conf.setOutputFormat(TextOutputFormat.class); // 为map-reduce任务设置OutputFormat实现类 /** * InputFormat描述map-reduce中对job的输入定义 setInputPaths():为map-reduce * job设置路径数组作为输入列表 setInputPath():为map-reduce job设置路径数组作为输出列表 */ FileInputFormat.setInputPaths(conf, new Path(inputPath)); FileOutputFormat.setOutputPath(conf, new Path(outputPath)); JobClient.runJob(conf); // 运行一个job } }
posted on 2012-06-19 14:07 要么牛逼,要么滚蛋 阅读(1110) 评论(0) 编辑 收藏 举报