下面的代码来自于hadoop官网,但是那个例子很繁琐,我对此作了简化
运行下面代码必须在linux系统上,并且已经成功部署安装hadoop
package com.hadoop.test3;
import java.io.IOException;
import java.util.*;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.conf.*;
import org.apache.hadoop.io.*;
import org.apache.hadoop.mapred.*;
import org.apache.hadoop.util.*;
public class WordCount {
public static class Map extends MapReduceBase implements Mapper<LongWritable, Text, Text, IntWritable>{
private final static IntWritable one=new IntWritable(1);
private Text word=new Text();
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.hasMoreElements()){
word.set(tokenizer.nextToken());
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();
}
output.collect(key, new IntWritable(sum));
}
}
public static void main(String[] args) throws Exception{
JobConf conf=new JobConf(WordCount.class);
conf.setJobName("wordcount");
conf.setOutputKeyClass(Text.class);
conf.setOutputValueClass(IntWritable.class);
conf.setMapperClass(Map.class);
conf.setCombinerClass(Reduce.class);
conf.setReducerClass(Reduce.class);
conf.setInputFormat(TextInputFormat.class);
conf.setOutputFormat(TextOutputFormat.class);
FileInputFormat.setInputPaths(conf, new Path("/home/root/test/input"));
FileOutputFormat.setOutputPath(conf, new Path("/home/root/test/output"));
JobClient.runJob(conf);
}
}
假设:
•/home/root/test/input - 是HDFS中的输入路径
•/home/root/test/output - 是HDFS中的输出路径
1.创建 /home/root/test/input
2.在此目录下创建三个文本文件,分别命名为:file01,file02,file03
file01输入内容"Hello World Bye World"
file02输入内容"Hello Hadoop Goodbye Hadoop"
file03输入内容"hello Hadoop Goodbye hadoop"
3.运行程序
运行结果为
Bye 1
Goodbye 2
Hadoop 3
Hello 2
World 2
hadoop 1
hello 1
从运行结果可以看出 mapreduce是区分大小写的,而且仅仅是以空格来划分字符的
在运行程序中可能会报"org.apache.hadoop.mapred.FileAlreadyExistsException"那是因为程序会自动创建输出目录,如果此目录已存在就会报此异常,所以运行前注意先删除"/home/root/test/output"目录
下面我们来看看原理
Mapper(14-26行)中的map方法通过指定的 TextInputFormat一次处理一行。然后,它通过StringTokenizer 以空格为分隔符将一行切分为若干tokens,之后,输出< <word>, 1> 形式的键值对。
对于示例中的第一个输入,map输出是:
< Hello, 1>
< World, 1>
< Bye, 1>
< World, 1>
第二个输入,map输出是:
< Hello, 1>
< Hadoop, 1>
< Goodbye, 1>
< Hadoop, 1>
第三个输入,map输出是:
< hello, 1>
< Hadoop, 1>
< Goodbye, 1>
< hadoop, 1>
WordCount还指定了一个combiner 因此,每次map运行之后,会对输出按照key进行排序,然后把输出传递给本地的combiner(按照作业的配置与Reducer一样),进行本地聚合。
第一个map的输出是:
< Bye, 1>
< Hello, 1>
< World, 2>
第二个map的输出是:
< Goodbye, 1>
< Hadoop, 2>
< Hello, 1>
第三个map的输出是:
< Goodbye, 1>
< hadoop, 1>
< Hadoop, 1>
< hello, 1>
Reducer中的reduce方法 仅是将每个key(本例中就是单词)出现的次数求和。
因此这个作业的输出就是:
< Bye, 1>
< Goodbye, 2>
< Hadoop, 3>
< Hello, 2>
< World, 2>
< hadoop, 1>
< hello, 1>
代码中的run方法中指定了作业的几个方面, 例如:通过命令行传递过来的输入/输出路径、key/value的类型、输入/输出的格式等等JobConf中的配置信息。随后程序调用了JobClient.runJob来提交作业并且监控它的执行。
分享到:
相关推荐
例如,Hadoop框架中的Map/Reduce机制,其排序过程使用了循环队列原理以提高内存利用率,而分布式文件系统HDFS的管理则依赖于数据结构中的哈希方法。这些实际应用案例的引入,可以加深学生对于数据结构理论知识的理解...
【大数据技术初探】 大数据,作为信息技术领域的重要概念,源于英文"Big Data",它不仅是海量数据的代名词,更是对高传输速度、多样化数据类型、低价值密度以及快速处理速度等特点的综合描述。大数据时代的来临,...
这种特性在函数式编程中十分常见,例如`map`、`filter`和`reduce`等函数。 3. **不可变数据**:在函数式编程中,数据一旦创建就不能改变,这样可以避免并发问题,并提高代码的可读性和可维护性。例如,使用`List`...
### Hadoop支持下的地理信息大数据处理技术初探 #### 一、引言 随着信息技术的飞速发展,地理信息数据的收集与应用变得越来越广泛。这些数据不仅来源于各种传感器、遥感图像等传统渠道,还可能来自社交媒体、移动...
- **MapReduce**:分布式计算框架,通过将任务分解成“Map”和“Reduce”两个阶段来处理大规模数据。 - **Hive**:基于Hadoop的数据仓库工具,提供SQL-like查询语言HQL,使得处理Hadoop中的数据变得更加简单。 - ...
- **转换操作符**:`map`, `flatMap`, `concatMap`, `switchMap`, `scan`, `reduce`等。 - **组合操作符**:`zip`, `combineLatest`, `merge`, `concat`等。 - **过滤操作符**:`filter`, `take`, `skip`, `...
此外,还会涉及高阶函数,如`map()`, `filter()`, `reduce()`以及函数作为返回值和参数的特性。函数式编程思想,如闭包和装饰器,也会被介绍,这些是Python中强大的工具,能提高代码的简洁性和可读性。 **Day 6:用...