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
        
    }
}