7-MapReduce入门

 

 

MapReduce是一种编程模型，用于大规模数据集（大于1TB）的并行运算

 

通俗的说就是将一个大任务分成多个小任务并行完成，然后合并小任务的结果，得到最终结果。

1）打包注意：

 一定要选择一个MAIN，不然不会运行。

 

2）

 

 
 


 

 

 

3）输出目录是HADOOP自己创建的。如果有这个目录，一定要删除。如下：

4）测试命令：

 

java -jar WordCount.jar hdfs://station1:9000/input/     hdfs://station1:9000/out

 

5）核心代码如下：

 

import java.io.IOException;
import java.util.StringTokenizer;
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 {

/**
 * @param args
 * @throws Exception
 */
public static void main(String[] args) throws Exception {
Job job = new Job();
job.setJarByClass(WordCount.class);
job.setJobName("WordCount");
FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
job.setMapperClass(Map.class);
job.setReducerClass(MyReduce.class);
job.setOutputKeyClass(Text .class);
job.setOutputValueClass(IntWritable.class);
System.exit(job.waitForCompletion(true) ? 0 : 1);// JOB运行完程序才退出

 

}

 

 

/**

 * 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
 */

public static class Map extends Mapper<LongWritable, Text, Text, IntWritable> {
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>对。
 * OutputCollector接口的collect(k, v)方法:增加一个(k,v)对到output
 *
 *
 * lwWritable 每行的行号 vlaue 每行的内容
 *
 *
 *
 */

public void map(LongWritable key, Text value, Context context)throws IOException, InterruptedException {
 String line = value.toString().toLowerCase(); // 全部转为小写字母
      StringTokenizer tokenizer = new StringTokenizer(line);
//        StringTokenizer tokenizer = new StringTokenizer(line);
// StringTokenizer是一个用来分隔String的应用类，相当于VB的split函数。
while (tokenizer.hasMoreTokens()) {
word.set(tokenizer.nextToken()); // 输出这个单词
context.write(word, one); // 这个单词出现了一次
}
};
}
public static class MyReduce extends Reducer<Text, IntWritable, Text, IntWritable> {
  private IntWritable result = new IntWritable();
        public void reduce(Text key, Iterable<IntWritable> values,
                Context context) throws IOException, InterruptedException {
		    int sum = 0;
		    for (IntWritable val : values) {
		     sum += val.get();
		    }
            result.set(sum);
          context.write(key, result);

		};

	}
 
}

 

6）效果：

 

 
 

 

 

与原来的统计结果一样。没有任何问题

[hadoop@station1 bin]$ grep the stop-all.sh |wc

 

     10     107     639