MapReduce编程实战1——WorldCout程序编写

//mapreduce程序import java.io.IOException;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.mapreduce.Job;import org.apache.hadoop.mapreduce.Mapper;import org.apache.hadoop.mapreduce.Reducer;import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;public class WordCount {  /**   * TokenizerMapper 继续自 Mapper   *   * [一个文件就一个map,两个文件就会有两个map]   * map[这里读入输入文件内容 以" \t\n\r\f" 进行分割，然后设置 word ==> one 的key/value对]   *   * @param Object  Input key Type:   * @param Text    Input value Type:   * @param Text    Output key Type:   * @param IntWritable Output value Type:   *   * Writable的主要特点是它使得Hadoop框架知道对一个Writable类型的对象怎样进行serialize以及deserialize.   * WritableComparable在Writable的基础上增加了compareT接口，使得Hadoop框架知道怎样对WritableComparable类型的对象进行排序。   *   * @ author liuqingjie   *   */  public static class TokenizerMapper       extends Mapper{    private final static IntWritable one = new IntWritable(1);    private Text word = new Text();    public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {      StringTokenizer itr = new StringTokenizer(value.toString());      while (itr.hasMoreTokens()) {        word.set(itr.nextToken());        context.write(word, one);      }    }  }  /**   * IntSumReducer 继承自 Reducer   *   * [不管几个Map,都只有一个Reduce,这是一个汇总]   * reduce[循环所有的map值,把word ==> one 的key/value对进行汇总]   *   * 这里的key为Mapper设置的word[每一个key/value都会有一次reduce]   *   * 当循环结束后，最后的确context就是最后的结果.   *   * @author liuqingjie   *   */  public static class IntSumReducer       extends Reducer {    private IntWritable result = new IntWritable();    public void reduce(Text key, Iterable values,                       Context context                       ) throws IOException, InterruptedException {      int sum = 0;      for (IntWritableval : values) {        sum += val.get();      }      result.set(sum);      context.write(key, result);    }  }  public static void main(String[] args) throws Exception {    Configuration conf = new Configuration();        if (args.length != 2) {            System.err.println("请配置路径  ");            System.exit(2);        }    Job job = new Job(conf, "wordcount");    job.setJarByClass(WordCount.class);//主类        job.setMapperClass(TokenizerMapper.class);//mapper    job.setReducerClass(IntSumReducer.class);//reducer        job.setMapOutputKeyClass(Text.class);//设置map输出数据的关键类    job.setMapOutputValueClass(IntWritable.class);//设置map输出值类        job.setOutputKeyClass(Text.class);//设置作业输出数据的关键类    job.setOutputValueClass(IntWritable.class);//设置作业输出值类        FileInputFormat.addInputPath(job, new Path(otherArgs[0]));//文件输入    FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));//文件输出        System.exit(job.waitForCompletion(true) ? 0 : 1);//等待完成退出.  }}

编写过程分析：

（1）数据类型

整型：IntWritable， 这是Hadoop对int的封装

字符串型：Text，这是Hadoop对String的封装

上下文对象：Context，它用来与MapReduce系统进行通信，如把map的结果传给reduce处理

（2）执行过程

分为两个阶段：map阶段和reduce阶段, 以key/value为输入输出，其中key、value的类型可以由程序员自定义。

map编写：

自定义一个类，继承于基类Mapper，该基类是一个泛型，有4个形参类型：用来指定map函数的输入键、输入值，输出键、输 出值，格式如下：public class Mapper<KEYIN,VALUEIN,KEYOUT,VALUEOU>。

根据实际需要，重写map函数，函数类型由Mapper指定。每一对调用一次map函数。

wordcount程序中，map方法中的value值存储的是文本文件中的一行，key值为该行的首字符相对于文本文件首字符的偏移量，在本程序中，key值未使用。StringTokenizer类是将每一行拆分为一个个的单词。

reduce编写：

自定义一个类，继承于基类Reducer，该基类是一个泛型，有4个形参类型：用来指定reduce函数的输入键、输入值，输出键、输出值，格式public class Reducer，其中reduce的输入类型必须与map的输出类型一致。

根据实际需要，重写reduce方法，方法的类型由Reducer指定。每一个key调用一次reduce方法。

主函数编写：

在主函数中进行作业的配置，主要配置有：

    Job job = new Job(conf, "word count");    job.setJarByClass(WordCount.class);//主类        job.setMapperClass(TokenizerMapper.class);//mapper    job.setReducerClass(IntSumReducer.class);//reducer        job.setMapOutputKeyClass(Text.class);//设置map输出数据的关键类    job.setMapOutputValueClass(IntWritable.class);//设置map输出值类        job.setOutputKeyClass(Text.class);//设置作业输出数据的关键类    job.setOutputValueClass(IntWritable.class);//设置作业输出值类        FileInputFormat.addInputPath(job, new Path(otherArgs[0]));//文件输入    FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));//文件输出        System.exit(job.waitForCompletion(true) ? 0 : 1);//等待完成退出.

(3)数据处理过程

1）将文件拆分为splits，并由MapReduce框架自动完成分割，将每一个split分割为对

2）每一对调用一次map函数，处理后生产新的对，由Context传递给reduce处理

3）Mapper对对进行按key值进行排序，将key值相同的value进行合并。最后得到Mapper的最终输出结果

4）reduce处理，处理后将新的对输出。