Hadoop MapReduce编程 API入门系列之wordcount版本4（八）

 

 

 

　　这篇博客，给大家，体会不一样的版本编程。

是将map、combiner、shuffle、reduce等分开放一个.java里。则需要实现Tool。

 

 

 

 

 

 

 

 

 

代码

package zhouls.bigdata.myMapReduce.wordcount2;

import java.io.IOException;

import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

//4个泛型中，前两个是指定mapper输入数据的类型，KEYIN是输入的key的类型，VALUEIN是输入的value的类型
//map 和 reduce 的数据输入输出都是以 key-value对的形式封装的
//默认情况下，框架传递给我们的mapper的输入数据中，key是要处理的文本中一行的起始偏移量，这一行的内容作为value
public class WCMapper extends Mapper<LongWritable, Text, Text, LongWritable>{
    
    //mapreduce框架每读一行数据就调用一次该方法
    @Override
    protected void map(LongWritable key, Text value,Context context)throws IOException, InterruptedException{
        //具体业务逻辑就写在这个方法体中，而且我们业务要处理的数据已经被框架传递进来，在方法的参数中 key-value
        //key 是这一行数据的起始偏移量     value 是这一行的文本内容
        
        //将这一行的内容转换成string类型
        String line = value.toString();
        
        //对这一行的文本按特定分隔符切分
        //hadoop helloworld
        String[] words = StringUtils.split(line, " ");
        
        //遍历这个单词数组输出为kv形式  k：单词   v ： 1
        for(String word : words){//word是k2
            context.write(new Text(word), new LongWritable(1));//写入word是k2,1是v2
//            context.write(word,1);等价            
            
        }
        

    }

    
    
}

 

 

 

 

 

 

package zhouls.bigdata.myMapReduce.wordcount2;

import java.io.IOException;

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

public class WCReducer extends Reducer<Text, LongWritable, Text, LongWritable>{
    
    
    
    //框架在map处理完成之后，将所有kv对缓存起来，进行分组，然后传递一个组<key,valus{}>，调用一次reduce方法
    //<hello,{1,1,1,1,1,1.....}>
    @Override
    protected void reduce(Text key, Iterable<LongWritable> values,Context context)throws IOException, InterruptedException {
        long count = 0;
        //遍历value的list，进行累加求和
        for(LongWritable value:values){//value是v2
            count += value.get();
        }
        
        //输出这一个单词的统计结果
        
        context.write(key,new LongWritable(count));//key是k3,count是v3
//        context.write(key,count);        
    }
    
    

}

 

 

 

package zhouls.bigdata.myMapReduce.wordcount2;

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


/**
 * combiner必须遵循reducer的规范
 * 可以把它看成一种在map任务本地运行的reducer
 * 使用combiner的时候要注意两点
 * 1、combiner的输入输出数据泛型类型要能跟mapper和reducer匹配
 * 2、combiner加入之后不能影响最终的业务逻辑运算结果
 * 
 *
 */
public class WCCombiner extends Reducer<Text, LongWritable, Text, LongWritable>{

}

 

 

 

 

 

 

 

package zhouls.bigdata.myMapReduce.wordcount2;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
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;

/**
 * 用来描述一个特定的作业
 * 比如，该作业使用哪个类作为逻辑处理中的map，哪个作为reduce
 * 还可以指定该作业要处理的数据所在的路径
 * 还可以指定改作业输出的结果放到哪个路径
 * ....
 * @author duanhaitao@itcast.cn
 *
 */
public class WCRunner {

    public static void main(String[] args) throws Exception {
        
        Configuration conf = new Configuration();
        
        Job wcjob = Job.getInstance(conf);
        
        //设置整个job所用的那些类在哪个jar包
        wcjob.setJarByClass(WCRunner.class);
        
        
        //本job使用的mapper和reducer的类
        wcjob.setMapperClass(WCMapper.class);
        wcjob.setReducerClass(WCReducer.class);
        
        
        //指定本job使用combiner组件，组件所用的类为
        wcjob.setCombinerClass(WCReducer.class);
        
        
        //指定reduce的输出数据kv类型
        wcjob.setOutputKeyClass(Text.class);
        wcjob.setOutputValueClass(LongWritable.class);
        
        //指定mapper的输出数据kv类型
        wcjob.setMapOutputKeyClass(Text.class);
        wcjob.setMapOutputValueClass(LongWritable.class);
        
        
//        //指定要处理的输入数据存放路径
//        FileInputFormat.setInputPaths(wcjob, new Path("hdfs://HadoopMaster:9000/wordcount/wc.txt/"));
//        
//        //指定处理结果的输出数据存放路径
//        FileOutputFormat.setOutputPath(wcjob, new Path("hdfs://HadoopMaster:9000/out/wordcount/wc/"));
        
        //指定要处理的输入数据存放路径
        FileInputFormat.setInputPaths(wcjob, new Path("./data/wordcount/wc.txt"));
        
        //指定处理结果的输出数据存放路径
        FileOutputFormat.setOutputPath(wcjob, new Path("./out/wordcount/wc/"));
        
        
        //将job提交给集群运行 
        wcjob.waitForCompletion(true);
        
        
    }
    
    
    
    
}