Hadoop示例程序WordCount详解及实例（转）

1.图解MapReduce

2.简历过程：

Input:

Hello World Bye World

Hello Hadoop Bye Hadoop

Bye Hadoop Hello Hadoop

Map:

<Hello,1>

<World,1>

<Bye,1>

<World,1>

<Hello,1>

<Hadoop,1>

<Bye,1>

<Hadoop,1>

<Bye,1>

<Hadoop,1>

<Hello,1>

<Hadoop,1>

Sort:

<Bye,1>

<Bye,1>

<Bye,1>

<Hadoop,1>

<Hadoop,1>

<Hadoop,1>

<Hadoop,1>

<Hello,1>

<Hello,1>

<Hello,1>

<World,1>

<World,1>

Combine:

<Bye,1,1,1>

<Hadoop,1,1,1,1>

<Hello,1,1,1>

<World,1,1>

Reduce:

<Bye,3>

<Hadoop,4>

<Hello,3>

<World,2>

3.代码实例：

1. package com.felix;
2. import java.io.IOException;
3. import java.util.Iterator;
4. import java.util.StringTokenizer;
5. import org.apache.hadoop.fs.Path;
6. import org.apache.hadoop.io.IntWritable;
7. import org.apache.hadoop.io.LongWritable;
8. import org.apache.hadoop.io.Text;
9. import org.apache.hadoop.mapred.FileInputFormat;
10. import org.apache.hadoop.mapred.FileOutputFormat;
11. import org.apache.hadoop.mapred.JobClient;
12. import org.apache.hadoop.mapred.JobConf;
13. import org.apache.hadoop.mapred.MapReduceBase;
14. import org.apache.hadoop.mapred.Mapper;
15. import org.apache.hadoop.mapred.OutputCollector;
16. import org.apache.hadoop.mapred.Reducer;
17. import org.apache.hadoop.mapred.Reporter;
18. import org.apache.hadoop.mapred.TextInputFormat;
19. import org.apache.hadoop.mapred.TextOutputFormat;
20. /**
21. *
22. * 描述：WordCount explains by Felix
23. * @author Hadoop Dev Group
24. */
25. public class WordCount
26. {
27. /**
28. * 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）
29. * Mapper接口：
30. * 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。
31. * Reporter 则可用于报告整个应用的运行进度，本例中未使用。
32. *
33. */
34. public static class Map extends MapReduceBase implements
35. Mapper<LongWritable, Text, Text, IntWritable>
36. {
37. /**
38. * 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，
39. * 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。
40. */
41. private final static IntWritable one = new IntWritable(1);
42. private Text word = new Text();
43. /**
44. * Mapper接口中的map方法：
45. * void map(K1 key, V1 value, OutputCollector<K2,V2> output, Reporter reporter)
46. * 映射一个单个的输入k/v对到一个中间的k/v对
47. * 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。
48. * OutputCollector接口：收集Mapper和Reducer输出的<k,v>对。
49. * OutputCollector接口的collect(k, v)方法:增加一个(k,v)对到output
50. */
51. public void map(LongWritable key, Text value,
52. OutputCollector<Text, IntWritable> output, Reporter reporter)
53. throws IOException
54. {
55. String line = value.toString();
56. StringTokenizer tokenizer = new StringTokenizer(line);
57. while (tokenizer.hasMoreTokens())
58. {
59. word.set(tokenizer.nextToken());
60. output.collect(word, one);
61. }
62. }
63. }
64. public static class Reduce extends MapReduceBase implements
65. Reducer<Text, IntWritable, Text, IntWritable>
66. {
67. public void reduce(Text key, Iterator<IntWritable> values,
68. OutputCollector<Text, IntWritable> output, Reporter reporter)
69. throws IOException
70. {
71. int sum = 0;
72. while (values.hasNext())
73. {
74. sum += values.next().get();
75. }
76. output.collect(key, new IntWritable(sum));
77. }
78. }
79. public static void main(String[] args) throws Exception
80. {
81. /**
82. * JobConf：map/reduce的job配置类，向hadoop框架描述map-reduce执行的工作
83. * 构造方法：JobConf()、JobConf(Class exampleClass)、JobConf(Configuration conf)等
84. */
85. JobConf conf = new JobConf(WordCount.class);
86. conf.setJobName("wordcount");           //设置一个用户定义的job名称
87. conf.setOutputKeyClass(Text.class);    //为job的输出数据设置Key类
88. conf.setOutputValueClass(IntWritable.class);   //为job输出设置value类
89. conf.setMapperClass(Map.class);         //为job设置Mapper类
90. conf.setCombinerClass(Reduce.class);      //为job设置Combiner类
91. conf.setReducerClass(Reduce.class);        //为job设置Reduce类
92. conf.setInputFormat(TextInputFormat.class);    //为map-reduce任务设置InputFormat实现类
93. conf.setOutputFormat(TextOutputFormat.class);  //为map-reduce任务设置OutputFormat实现类
94. /**
95. * InputFormat描述map-reduce中对job的输入定义
96. * setInputPaths():为map-reduce job设置路径数组作为输入列表
97. * setInputPath()：为map-reduce job设置路径数组作为输出列表
98. */
99. FileInputFormat.setInputPaths(conf, new Path(args[0]));
100. FileOutputFormat.setOutputPath(conf, new Path(args[1]));
101. JobClient.runJob(conf);         //运行一个job
102. }
103. }