Hadoop示例程序WordCount详解

转自：http://www.iteye.com/topic/606962

 http://radarradar.iteye.com/blog/289247

 

 最近在学习云计算，研究Haddop框架，费了一整天时间将Hadoop在Linux下完全运行起来，看到官方的map-reduce的demo程序WordCount，仔细研究了一下，算做入门了。

    其实WordCount并不难，只是一下子接触到了很多的API，有一些陌生，还有就是很传统的开发相比，map-reduce确实是一种新的编程理念，为了让各位新手少走弯路，我将WordCount中的很多API都做了注释，其实这些方法搞明白了以后程序就很简单了，无非就是将一句话分词，先用map处理再用reduce处理，最后再main函数中设置一些信息，然后run()，程序就结束了。好了，不废话，直接上代码：

 

 

Java代码  

1. package com.felix;   
2.   
3. import java.io.IOException;   
4. import java.util.Iterator;   
5. import java.util.StringTokenizer;   
6.   
7. import org.apache.hadoop.fs.Path;   
8. import org.apache.hadoop.io.IntWritable;   
9. import org.apache.hadoop.io.LongWritable;   
10. import org.apache.hadoop.io.Text;   
11. import org.apache.hadoop.mapred.FileInputFormat;   
12. import org.apache.hadoop.mapred.FileOutputFormat;   
13. import org.apache.hadoop.mapred.JobClient;   
14. import org.apache.hadoop.mapred.JobConf;   
15. import org.apache.hadoop.mapred.MapReduceBase;   
16. import org.apache.hadoop.mapred.Mapper;   
17. import org.apache.hadoop.mapred.OutputCollector;   
18. import org.apache.hadoop.mapred.Reducer;   
19. import org.apache.hadoop.mapred.Reporter;   
20. import org.apache.hadoop.mapred.TextInputFormat;   
21. import org.apache.hadoop.mapred.TextOutputFormat;   
22. /**  
23.  *   
24.  * 描述：WordCount explains by Felix  
25.  * @author Hadoop Dev Group  
26.  */  
27. public class WordCount   
28. {   
29.   
30.     /**  
31.      * 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）  
32.      * Mapper接口：  
33.      * 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。  
34.      * Reporter 则可用于报告整个应用的运行进度，本例中未使用。   
35.      *   
36.      */  
37.     public static class Map extends MapReduceBase implements  
38.             Mapper<LongWritable, Text, Text, IntWritable>   
39.     {   
40.         /**  
41.          * 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，  
42.          * 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。  
43.          */  
44.         private final static IntWritable one = new IntWritable(1);   
45.         private Text word = new Text();   
46.            
47.         /**  
48.          * Mapper接口中的map方法：  
49.          * void map(K1 key, V1 value, OutputCollector<K2,V2> output, Reporter reporter)  
50.          * 映射一个单个的输入k/v对到一个中间的k/v对  
51.          * 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。  
52.          * OutputCollector接口：收集Mapper和Reducer输出的<k,v>对。  
53.          * OutputCollector接口的collect(k, v)方法:增加一个(k,v)对到output  
54.          */  
55.         public void map(LongWritable key, Text value,   
56.                 OutputCollector<Text, IntWritable> output, Reporter reporter)   
57.                 throws IOException   
58.         {   
59.             String line = value.toString();   
60.             StringTokenizer tokenizer = new StringTokenizer(line);   
61.             while (tokenizer.hasMoreTokens())   
62.             {   
63.                 word.set(tokenizer.nextToken());   
64.                 output.collect(word, one);   
65.             }   
66.         }   
67.     }   
68.   
69.     public static class Reduce extends MapReduceBase implements  
70.             Reducer<Text, IntWritable, Text, IntWritable>   
71.     {   
72.         public void reduce(Text key, Iterator<IntWritable> values,   
73.                 OutputCollector<Text, IntWritable> output, Reporter reporter)   
74.                 throws IOException   
75.         {   
76.             int sum = 0;   
77.             while (values.hasNext())   
78.             {   
79.                 sum += values.next().get();   
80.             }   
81.             output.collect(key, new IntWritable(sum));   
82.         }   
83.     }   
84.   
85.     public static void main(String[] args) throws Exception   
86.     {   
87.         /**  
88.          * JobConf：map/reduce的job配置类，向hadoop框架描述map-reduce执行的工作  
89.          * 构造方法：JobConf()、JobConf(Class exampleClass)、JobConf(Configuration conf)等  
90.          */  
91.         JobConf conf = new JobConf(WordCount.class);   
92.         conf.setJobName("wordcount");           //设置一个用户定义的job名称   
93.   
94.         conf.setOutputKeyClass(Text.class);    //为job的输出数据设置Key类   
95.         conf.setOutputValueClass(IntWritable.class);   //为job输出设置value类   
96.   
97.         conf.setMapperClass(Map.class);         //为job设置Mapper类   
98.         conf.setCombinerClass(Reduce.class);      //为job设置Combiner类   
99.         conf.setReducerClass(Reduce.class);        //为job设置Reduce类   
100.   
101.         conf.setInputFormat(TextInputFormat.class);    //为map-reduce任务设置InputFormat实现类   
102.         conf.setOutputFormat(TextOutputFormat.class);  //为map-reduce任务设置OutputFormat实现类   
103.   
104.         /**  
105.          * InputFormat描述map-reduce中对job的输入定义  
106.          * setInputPaths():为map-reduce job设置路径数组作为输入列表  
107.          * setInputPath()：为map-reduce job设置路径数组作为输出列表  
108.          */  
109.         FileInputFormat.setInputPaths(conf, new Path(args[0]));   
110.         FileOutputFormat.setOutputPath(conf, new Path(args[1]));   
111.   
112.         JobClient.runJob(conf);         //运行一个job   
113.     }   
114. }